tf.truncated_normal和tf.random_normal使用方法的区别

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，μ+σ）内的面积为68.268949%。横轴区间（μ-2σ，μ+2σ）内的面积为95.449974%。横轴区间（μ-3σ，μ+3σ）内的面积为99.730020%。 X落在（μ-3σ，μ+3σ）以外的概率小于千分之三，在实际问题中常认为相应的事件是不会发生的，基本上可以把区间（μ-3σ，μ+3σ）看作是随机变量X实际可能的取值区间，这称之为正态分布的“3σ”原则。在tf.truncated_normal中如果x的取值在区间（μ-2σ，μ+2σ）之外则重新进行选择。这样保证了生成的值都在均值附近。参数: shape: 一维的张量，也是输出的张量。 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，当设置之后，每次生成的随机数都一样。 name: 操作的名字

2、tf.random_normal使用方法

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

从正态分布中输出随机值。参数: shape: 一维的张量，也是输出的张量。 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，当设置之后，每次生成的随机数都一样。 name: 操作的名字。代码 a = tf.Variable(tf.random_normal([2,2],seed=1)) b = tf.Variable(tf.truncated_normal([2,2],seed=2)) init = tf.global_variables_initializer() with tf.Session() as sess: sess.run(init) print(sess.run(a)) print(sess.run(b)) 输出： [[-0.81131822 1.48459876] [ 0.06532937 -2.44270396]] [[-0.85811085 -0.19662298] [ 0.13895047 -1.22127688]]

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，μ+σ）内的面积为68.268949%。横轴区间（μ-2σ，μ+2σ）内的面积为95.449974%。横轴区间（μ-3σ，μ+3σ）内的面积为99.730020%。 X落在（μ-3σ，μ+3σ）以外的概率小于千分之三，在实际问题中常认为相应的事件是不会发生的，基本上可以把区间（μ-3σ，μ+3σ）看作是随机变量X实际可能的取值区间，这称之为正态分布的“3σ”原则。在tf.truncated_normal中如果x的取值在区间（μ-2σ，μ+2σ）之外则重新进行选择。这样保证了生成的值都在均值附近。

转载于:https://www.cnblogs.com/jyxbk/p/8006464.html

tf.truncated_normal和tf.random_normal使用方法的区别相关推荐

tf.truncated_normal与tf.random_normal的区别
原文地址: https://blog.csdn.net/u013713117/article/details/65446361/ 一.tf.truncated_normal tf.truncated_ ...
tensorflow中tf.random_normal和tf.truncated_normal的区别
1.tf.truncated_normal使用方法 tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=No ...
【TensorFlow】TensorFlow函数精讲之tf.truncated_normal()
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. ...
TF之TF flags：TF flags(命令行解析)的简介、安装、使用方法之详细攻略
TF之TF flags:TF flags(命令行解析)的简介.安装.使用方法之详细攻略目录 TF flags的简介 TF flags的安装 TF flags的使用方法 TF flags的简介 1.f ...
tf.truncated_normal
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 ...
tf.truncated_normal的用法
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 ...
多个cpp文件生成so_荐tf_sampling_so.so等文件怎么生成（多种tf版本都可的顺利解决方法）...
tf_sampling_so.so等文件怎么生成(多种tf版本都可的顺利解决方法) 这里以Geo-CNN的代码为例子,运行时我们可能会出现这样子的错误:忘记截图 1.没有.so文件. tf_sampl ...
MicroSD卡（TF卡）SPI模式实现方法
一下这篇文章是转载一位仁兄的,写的非常好! MicroSD卡(TF卡)SPI模式实现方法现在我们手机的内存卡多为Micro SD卡,又叫TF卡,所以Micro SD卡比SD卡常见.自己曾经也想写写S ...
tf.truncated_normal()用法
文章目录简述实例简述 tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=Non ...

tf.truncated_normal和tf.random_normal使用方法的区别

tf.truncated_normal和tf.random_normal使用方法的区别相关推荐

最新文章

热门文章