TensorFlow中random_normal和truncated_normal的區別

 

原文鏈接： https://blog.csdn.net/zhangdongren/article/details/83344048

區別如下：
tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None) 正太分布隨機數，均值mean,標准差stddev
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None) 截斷正態分布隨機數，均值mean,標准差stddev,不過只保留[mean-2stddev,mean+2stddev]范圍內的隨機數
那么什么是正太分布呢？
看下面這張圖，就是正太分布的直觀圖：

好了看完上面這張圖，我們就可以理解什么是random_normal，什么又是truncated_normal了。所謂的random_normal服從正太分布的所有隨機數，而truncated_normal僅僅只是截取了正太分布某一個范圍的數據並不是全部數據。

////////////////////////////////////////////////////結束線/////////////////////////////////////////////////////////