tensorflow 基础知识点（二）变量初始化

最新推荐文章于 2025-07-29 15:51:24 发布

原创最新推荐文章于 2025-07-29 15:51:24 发布 · 270 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #深度学习

本文详细解析了TensorFlow中tf.truncated_normal函数的使用方法及参数设置，该函数用于生成截断的正态分布随机数，确保生成的随机数与均值的差距不超过两倍的标准差，适用于神经网络初始化等场景。

tf.truncated_normal

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

参数
shape: 一个一维整数张量或一个Python数组。这个值决定输出张量的形状。
mean: 一个零维张量或类型属于dtype的Python值. 这个值决定正态分布片段的平均值
stddev: 一个零维张量或类型属于dtype的Python值. 这个值决定正态分布片段的标准差。
dtype: 输出的类型.
seed: 一个Python整数. 被用来为正态分布创建一个随机种子. 详情可见set_random_seed
for behavior.
name: 操作的名字 (可选参数).

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。

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