tf.random函数

tf.random_normal:从正太分布中输出随机函数

random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)

shape：一个一维整数张量或Python数组。代表张量的形状。
mean：数据类型为dtype的张量值或Python值。是正态分布的均值。
stddev：数据类型为dtype的张量值或Python值。是正态分布的标准差。
dtype： 输出的数据类型。
seed：一个Python整数。是随机种子。
name： 操作的名称(可选)

tf.random_unifrom:从均匀分布中返回随机值

random_uniform(
    shape,# 生成的张量的形状
    minval=0,
    maxval=None,
    dtype=tf.float32,
    seed=None,
    name=None
    #返回值的范围默认是0到1的左闭右开区间，即[0，1)。minval为指定最小边界，默认为1。maxval为指定的最大边界，如果是数据浮点型则默认为1，如果数据为整形则必须指定

tf.turncated_normal:截断的正态分布函数，生成的值遵循一个正态分布，但不会大于平均值的两个标准差

truncated_normal(
    shape,#一个一维整数张量或Python数组。代表张量的形状。
    mean=0.0,#数据类型为dtype的张量值或Python值。是正态分布的均值。
    stddev=1.0,#数据类型为dtype的张量值或Python值。是正态分布的标准差
    dtype=tf.float32,#输出的数据类型。
    seed=None,#一个Python整数。是随机种子。
    name=None#操作的名称(可选)
)

tf.random_shuffle:沿着第一个维度，随机打乱

random_shuffle(
    value,# 要被洗牌的张量
    seed=None,
    name=None
)

[[1, 2],       [[5, 6],
 [3, 4],  ==>   [1, 2],
 [5, 6]]        [3, 4]]