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=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]]
http://blog.csdn.net/fireflychh/article/details/73692183
tensorflow中tf.random_normal和tf.truncated_normal的区别相关推荐
- 【转】tensorflow中的batch_norm以及tf.control_dependencies和tf.GraphKeys.UPDATE_OPS的探究
笔者近来在tensorflow中使用batch_norm时,由于事先不熟悉其内部的原理,因此将其错误使用,从而出现了结果与预想不一致的结果.事后对其进行了一定的调查与研究,在此进行一些总结. 一.错误 ...
- TensorFlow中的random_normal()函数
tf.random_normal()函数用于从服从指定正态分布的数值中取出指定个数的值. tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf. ...
- TensorFlow中Session.run和Tensor.eval的区别
之前在TensorFlow中运行代码时,在会话中会需要运行节点,会碰到两种方式:Session.run()和Tensor.eval(),刚开始不太懂这两者之间的差异,最后通过查找官方文档和一些资料了解 ...
- 【转载翻译】tensorflow中样离线使用tf hub中的模型
该方法是在国外网站中找到的,并没有完全按照原文翻译,而是按着步骤意思去写的 1.找到模型链接 在tfhub.dev中找到你需要的模型链接,例如:https://tfhub.dev/google/ima ...
- 【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. ...
- python维度扩展_在TensorFlow中实现矩阵维度扩展
一般TensorFlow中扩展维度可以使用tf.expand_dims().近来发现另一种可以直接运用取数据操作符[]就能扩展维度的方法. 用法很简单,在要扩展的维度上加上tf.newaxis就行了. ...
- 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=No ...
- 【TensorFlow】TensorFlow函数精讲之 tf.random_normal()
tf.trandom_normal()函数是生成正太分布随机值 此函数有别于tf.truncated_normal()正太函数,请参考本博客关于tf.truncated_normal()函数的介绍 ( ...
- 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_ ...
最新文章
- Github注册过程以及对管理软件的了解
- python数据导入hive_Python操作HIve,将数据插入到Mysql
- 中国计量大学调剂计算机技术,2020年中国计量大学硕士研究生招生调剂公告
- Python+Selenium基础篇之2-打开和关闭火狐浏览器
- tensorflows十五 再探Momentum和Nesterov's accelerated gradient descent 利用自动控制PID概念引入误差微分控制超参数改进NAGD,速度快波动小
- 使用QHttp与C#编写的服务端交互(编译环境mingw)
- CSDN 七夕包分配,最后一天啦!
- 分享实录+PPT | 高通高级技术标准总监李俨:移动车联网技术解析
- javaJSON字符串转换实体类
- 四叶草clover配置工具Clover Configurator 5 Ma汉化版
- ORA-00257错误解决方法
- 代码review神器Upsource,让你快乐的进行CodeReview
- GWT RPC 开发
- 初学者怎么学习Java
- Linux应用编程-音频应用编程-语音转文字项目
- python-opencv控制鼠标操作
- 比例导引 matlab,单步龙格库塔比例导引弹道计算matlab源程序
- 上来微软这条贼船有阵年头了
- java实现游戏对战过程_【Java实战】Java实现简易坦克对战小游戏
- 云呐|动力环境监控系统,机房环境及动力设备监控系统