tf.truncated_normal_initializer

import tensorflow as tf

t = tf.truncated_normal_initializer(stddev=0.1, seed=1)
v = tf.get_variable('v', [1], initializer=t)

with tf.Session() as sess:
    for i in range(1, 10, 1):
        sess.run(tf.global_variables_initializer())
        print(sess.run(v))

輸出：
[-0.08113182]
[ 0.06396971]
[ 0.13587774]
[ 0.05517125]
[-0.02088852]
[-0.03633211]
[-0.06759059]
[-0.14034753]
[-0.16338211]

tf.truncated_normal_initializer 從截斷的正態分布中輸出隨機值。
生成的值服從具有指定平均值和標准偏差的正態分布，如果生成的值大於平均值2個標准偏差的值則丟棄重新選擇。

ARGS：

mean：一個python標量或一個標量張量。要生成的隨機值的均值。
stddev：一個python標量或一個標量張量。要生成的隨機值的標准偏差。
seed：一個Python整數。用於創建隨機種子。查看 tf.set_random_seed 行為。
dtype：數據類型。只支持浮點類型。

這是神經網絡權重和過濾器的推薦初始值。