random_normal 生成符合正太分布的矩阵
tf.random_normal(shape, mean = 0.0, stddev = 1.0, dtype = tf.float32, seed = None, name = None)
解释:这个函数返回一个随机数序列,数组里面的值按照正态分布。
shape: 输出张量的形状,必选
mean: 正态分布的均值,默认为0
stddev: 正态分布的标准差,默认为1.0
dtype: 输出的类型,默认为tf.float32
seed: 随机数种子,是一个整数,当设置之后,每次生成的随机数都一样
name: 操作的名称
---------------------
举例:
w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
# sess.run(tf.initialize_all_variables()) #比较旧一点的初始化变量方法
print (w1)
print (sess.run(w1))
输出:
一直弄不明白,生成正太分布的数组这个函数到底和生成随机数有什么区别,因为我尝试找出生成的数值之间的关系,通过求平均值或者方差,完全没那回事。
就在刚刚,想明白了。这里生成的数符合正太分布的概率发布,举个例子,比如符合标准正太分布,上个图: