tf.truncated_normal()代码实例
时间: 2023-04-02 14:04:40 浏览: 118
tf.truncated_normal() 是 TensorFlow 中用于生成截断正态分布随机数的函数,它的语法如下:
tf.truncated_normal(shape, mean=., stddev=1., dtype=tf.float32, seed=None, name=None)
其中,shape 表示生成随机数的形状,mean 表示正态分布的均值,stddev 表示正态分布的标准差,dtype 表示生成随机数的数据类型,seed 表示随机数种子,name 表示操作的名称。
下面是一个 tf.truncated_normal() 的代码实例:
import tensorflow as tf
# 生成形状为 [2, 3] 的截断正态分布随机数
x = tf.truncated_normal([2, 3], mean=., stddev=1., dtype=tf.float32, seed=None, name=None)
# 打印生成的随机数
with tf.Session() as sess:
print(sess.run(x))
输出结果如下:
[[-.16623646 -.0767346 .4582295 ]
[-.41036922 -.6399367 .18815775]]
相关问题
tf.random.truncated_normal
tf.random.truncated_normal是一个函数,用于从截断的正态分布中输出随机值。它的参数包括形状(shape)、均值(mean)、标准差(stddev)、数据类型(dtype)、种子(seed)和名称(name)。默认情况下,均值为0.0,标准差为1.0,数据类型为tf.dtypes.float32。
tf.truncated_normal
tf.truncated_normal 是 TensorFlow 中的一个函数,用于生成截断正态分布的随机数。正态分布是一种连续概率分布,在概率统计学中经常用于描述连续变量的分布。截断正态分布是正态分布的一种变体,其中均值和标准差与标准正态分布相同,但是所有随机数都在两个与均值相差较大的边界之间。这样,截断正态分布就不会生成偏离均值较远的极端值。