Tensorflow学习笔记-tf.truncated_normal() & tf.random_normal()

最新推荐文章于 2024-04-20 04:58:18 发布
最新推荐文章于 2024-04-20 04:58:18 发布
阅读量445 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： Tensorflow学习笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/takethevow/article/details/80443736
本文详细介绍了TensorFlow中两种生成随机数的方法：tf.truncated_normal与tf.random_normal。前者生成的随机数若超出均值±2倍标准差的范围则会重新生成，确保了随机数集中在均值附近；后者则生成完全符合正态分布特性的随机数。文章还解释了这些函数的各种参数及其用途。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

tf.truncated_normal(shape, mean, stddev, dtype , seed, name) :  从截断的正态分布中输出随机值

                                shape表示生成张量的维度

                                mean是均值

                                stddev是标准差

                                dtype表示生成数据的类型

                                seed表示随机数种子

                                name是操作的名字

***!!!!    如果生成的随机数超出（mean-2*stddev，mean+2*stddev）的区间，则重新生成，即该函数生成的随机数均在mean值附近，不超过2*stddev的范围。

tf.random_normal(shape, mean, stddev, dtype, seed, name): 生成服从正态分布的随机值


【TensorFlow】TensorFlow函数精讲之tf.truncated_normal()
中科院AI算法工程师的博客
11-13 2704
tf.truncated_normal()函数是一种“截断”方式生成正太分布随机值，“截断”意思指生成的随机数值与均值的差不能大于两倍中误差，否则会重新生成。 此函数有别于tf.random_normal()正太函数，请参考本博客关于tf.random_normal()函数的介绍 （TensorFlow函数之tf.random_normal()） tf.truncated_normal()函...
tf.truncated_normal的用法
热门推荐
UESTC_C2_403的博客
05-16 9万+
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
tf.truncated_normal与tf.random_normal的详细用法
09-20
本篇文章主要介绍了tf.truncated_normal与tf.random_normal的详细用法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
tensorflow中tf.random_normal和tf.truncated_normal的区别
ChasingdreamLY的博客
01-23 284
1、tf.truncated_normal使用方法tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)从截断的正态分布中输出随机值。 生成的值服从具有指定平均值和标准偏差的正态分布，如果生成的值大于平均值2个标准偏差的值则丢弃重新选择。在正态分布的曲线中，横轴区间（μ-σ，
tf.truncated_normal()
m0_37041325的博客
08-09 4067
参考官方说明文档 format: truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None) Argus: shape: A 1-D integer Tensor or Python array. The shape of the output tensor.(一维的整形Tenso
tensorflow 学习笔记- 参数初始化（initializer)
qq_37791134的博客
11-01 1014
https://blog.csdn.net/m0_37167788/article/details/79073070 2、tf.truncated_normal_initializer() 或者简写为tf.TruncatedNormal() 生成截断正态分布的随机数，这个初始化方法好像在tf中用得比较多。 它有四个参数（mean=0.0, stddev=1.0, seed=None, dt...
tensorflow2深度学习从入门到精通第四章—TensorFlow 基础
2401_84097883的博客
04-20 1008
点击这里即可免费获取，包括答案解析。本节我们将利用我们已经学到的知识去完成三层神经网络的实现：我们采用的数据集是 MNIST 手写数字图片集，输入节点数为 784，第一层的输出节点数是256，第二层的输出节点数是 128，第三层的输出节点是 10，也就是当前样本属于 10 类别的概率。首先创建每个非线性函数的 w,b 参数张量：在前向计算时，首先将 shape 为[b,28,28]的输入数据 Reshape 为[b,784] 即 [b, 28, 28] => [b, 28*28]
Tensorflow学习笔记--使用迁移学习做自己的图像分类器（Inception v3）
骆驼分析师的博客
05-30 2万+
本文主要使用inception v3的模型，再后面接一个softmax，做一个分类器。具体代码都是参照tf github。 整体步骤： 步骤一：数据准备，准备自己要分类的图片训练样本。 步骤二：retrain.py 程序，用于下载inception v3模型及训练后面的分类器（可见最后的代码） 步骤三：训练 命令 步骤四：预测 prediction.py 程序，用于调用新生成的模
【TF2.0】【笔记】Tensorflow2.0数据类型基础
lyx0708的专栏
03-01 1972
文章目录tensorflow 基础数据类型数值标量向量矩阵张量字符串布尔数值精度待优化张量创建张量从Numpy List中创建Tensor全0，1 Tensor创建自定义张量创建已知分布的张量创建序列张量的典型应用标量向量 矩阵3维张量4维张量切片与索引索引切片维度变换Broadcasting数学运算加减乘除乘方指数、对数矩阵相乘一个例子： tensorflow 基础 数据类型 数值 在 Tens...
tensorflow学习笔记（3）——基础（三）——TF训练和变量
Eric_KEY的博客
07-15 5479
5 tensorflow实现神经网络1 TF游乐场及神经网络简介（TF游乐场，http://playground.tensorflow.org，略） 使用神经网络解决分类问题的主要步骤： 1. 提取特征向量作为输入 2. 定义神经网络结构，得到输出 3. 通过训练数据调整参数取值，这是训练神经网络的过程 4. 使用神经网络进行预测2 前向传播算法简介神经网络的结构就是不同神经元之间的连接结
tf.truncated_normal
weixin_33722405的博客
08-23 222
tf.truncated_normal truncated_normal( shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None ) 功能说明： 产生截断正态分布随机数，取值范围为 [ mean - 2 * stddev,...
tf.truncated_norm
ha_ha_ha233的博客
04-30 784
函数形式：tf.truncated_normal tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None) 函数的为随机产生大小由shape指定的，均值默认为0，方差默认为1的正太分布，当产生数值偏离对称轴2个标准差时重新生成随机数， 即产生的随机数x在(mean-2*stdde...
Tensorflow 中 tf.truncated_normal 和 tf.random_normal
南淮北安的博客
09-15 1116
一、tf.truncated_normal 和 tf.random_normal tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None) shape: 张量维度 mean: 正态分布的均值 stddev: 正态分布的标准差 dtype: 输出的类型 seed: 一个整数，当设...
tensorflow的python版本之truncated_normal
qq_33345917的博客
12-10 1584
truncated_normal()的中文名是截断正态分布。 以标准正态分布为例，首先要搞明白的概念是： 1.曲线下的面积为1，也就是f(x)在负无穷到正无穷上对x积分结果为1，所有事件的概率和当然为1 2. 3q原则： 正态曲线下，横轴区间（μ-σ,μ+σ）内的面积为68.268949%。 横轴区间（μ-1.96σ,μ+1.96σ）内的面积为95.449974%。 横轴区间（μ-2.58σ,μ+...
【Python-Tensorflow】tf.truncated_normal()解析与使用
BetterBench的博客
12-30 1075
1 作用 作用是产生均值为mean,标准差为stddev的正态分布的张量 2 参数解析 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 3 举例使用 import tensorflow as tf import numpy as np # 产生一个[32,1,8]的张量的正态分布 c = tf.truncated_normal([32, 1, 8], dtype=tf.float64, stddev
tf.truncated_normal和tf.random_normal
htbeker的博客
02-13 584
import numpy as np import pandas as pd from pandas import Series,DataFrame import matplotlib.pyplot as plt import tensorflow as tf tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, s...
TensorFlow：函数tf.truncated_normal
zyy_DL的博客
07-24 472
功能：产生截断正态分布随机数，取值范围为[ mean - 2* stddev, mean + 2*stddev ] truncated_normal( shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None ) 参数名 必选 类型 说明 shape 是 ...
initial = tf.truncated_normal(shape, stddev=0.01) AttributeError: module 'tensorflow' has no attribute 'truncated_normal'
最新发布
07-29
tensorflow版本问题导致 报错的代码 c = tf.truncated_normal(shape=[2, 3], mean=0, stddev=1) 改正后代码 c = tf.random.truncated_normal(shape=[2, 3], mean=0, stddev=1)。 [^2]: tensorflow2报错Attribute...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值