1. tf.truncated_normal的用法

tf.truncated_normal的用法

tf.truncated_normal(shape, mean, stddev)

shape表示生成张量的维度,
mean是均值,
stddev是标准差。这个函数产生正太分布,均值和标准差自己设定。

这是一个截断的产生正太分布的函数,就是说产生正太分布的值如果与均值的差值大于两倍的标准差,那就重新生成。和一般的正太分布的产生随机数据比起来,这个函数产生的随机数与均值的差距不会超过两倍的标准差,但是一般的别的函数是可能的。
例如:

import tensorflow as tf
c = tf.truncated_normal(shape=[10,10], mean=0, stddev=1)
with tf.Session() as sess:
    print(sess.run(c))

[[-1.5676296 0.19390932 0.7909036 1.6386101 -0.17322347 0.8267973
0.86569405 -1.6061244 1.479338 1.2709714 ]
[-0.5180084 0.72813076 1.0759805 -1.6268004 0.7780807 0.10769771
-0.4727751 0.02010461 -1.5337037 0.74344075]
[-0.41406178 0.5904882 -0.55628675 0.53376055 -0.42764592 0.30527216
1.3708282 -0.42828333 1.0470502 0.61657536]
[ 0.81249666 -0.5012673 0.393814 -0.58048725 0.7947982 0.2444435
-0.8909428 0.6082726 -1.1046662 -1.0405194 ]
[ 1.8670465 0.66934645 1.464762 0.8675056 -0.7643362 0.21261176
-0.51044095 0.53239167 -0.55149144 -1.7821758 ]
[-0.9834691 1.5293117 0.9686758 -0.48120064 -0.06460445 -1.6289827
0.54760045 -0.75216466 -0.40213522 0.09847517]
[ 0.00736094 -1.7659721 0.7197566 0.4848457 1.150372 0.94786566
-0.1683639 -1.7111733 0.7512129 -0.14439568]
[-0.842006 0.65748143 0.7242663 -0.47982353 -0.28553596 1.410174
-1.6586657 -1.0542034 -1.270567 1.3249365 ]
[-0.5610286 0.2339365 -0.5468936 0.96914464 0.28363487 1.9692075
0.21876524 1.0425652 -0.06486356 1.5425812 ]
[-0.37155512 0.9671232 0.45423377 0.9109764 0.619693 1.6836538


技术交流学习,请加QQ微信:631531977
目录