目录
一、问题描述
想要在tensorflow中产生正态分布的随机数，网上找到的资料是这样的：
import tensorflow as tf
c = tf.truncated_normal(shape=[2, 3], mean=0, stddev=1)
with tf.Session() as sess:
print(sess.run(c))
# c = tf.compat.v1.random.truncated_normal(shape=[2, 3], mean=0, stddev=1)
# print(c)
但是运行后会有如下报错：
D:\ANACON\envs\L2RPN\python.exe "E:/Undergraduate/Situation Awareness/LeNet-5_learning.py"
Traceback (most recent call last):
File "E:\Undergraduate\Situation Awareness\LeNet-5_learning.py", line 3, in <module>
c = tf.truncated_normal(shape=[2, 3], mean=0, stddev=1)
AttributeError: module 'tensorflow' has no attribute 'truncated_normal'
进程已结束,退出代码1即：
二、问题分析
这是Tensorflow版本不同造成的，我用的是2.0，最新版本改了函数名和使用方法。具体如下：
import tensorflow as tf
# c = tf.truncated_normal(shape=[2, 3], mean=0, stddev=1)
# with tf.Session() as sess:
# print(sess.run(c))
c = tf.compat.v1.random.truncated_normal(shape=[2, 3], mean=0, stddev=1)
print(c)
运行结果：
tf.Tensor(
[[-0.18886028 -0.737174 1.5540563 ]
[ 1.5035461 0.23027402 -0.67294544]], shape=(2, 3), dtype=float32)问题解决
三、进一步分析函数
tf.truncated_normal(shape, mean, stddev)
这个函数产生正态分布，均值和标准差自己设定。这是一个截断的产生正态分布的函数，生成的值服从具有指定平均值和标准偏差的正态分布，换句话说，产生的值如果与均值的差值大于两倍的标准差则丢弃重新选择。和一般的正态分布的产生随机数据比起来，这个函数产生的随机数与均值的差距不会超过两倍的标准差，但是一般的别的函数是可能的。
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。
释义：截断的产生正态分布的随机数，即随机数与均值的差值若大于两倍的标准差，则重新生成。
- shape，生成张量的维度
- mean，均值
- stddev，标准差
总结
tensorflow版本不同，函数名可能会有不同，用法也会略有差别，要注意辨别。