x = tf.random.normal([100, 100])

这行代码创建了一个形状为 `(100, 100)` 的张量 `x`，其中每个元素都是从均值为 0，标准差为 1 的正态分布中随机采样得到的。具体来说，`tf.random.normal` 函数的第一个参数是张量的形状，第二个参数是张量中每个元素的平均值，第三个参数是张量中每个元素的标准差。如果不指定这两个参数，则默认使用均值为 0，标准差为 1 的正态分布。

在深度学习中，通常会使用随机初始化的方式来初始化神经网络的权重和偏置，从而避免网络陷入局部最优解。因此，`tf.random.normal` 函数是一个非常常用的函数。