tf.cast /tf.reduce_mean/tf.random_normal

tf.cast(x, dtype, name=None) 
将x的数据格式转化成dtype.例如，原来x的数据格式是bool， 

那么将其转化成float以后，就能够将其转化成0和1的序列。反之也可以

a = tf.Variable([1,0,0,1,1])
b = tf.cast(a,dtype=tf.bool)
sess = tf.Session()
sess.run(tf.initialize_all_variables())
print(sess.run(b))
#[ True False False  True  True]

tfreduce_mean()主要是用来求均值，在机器学习中可以用来求准确度

x = np.array([[1.,2.,3.],[4.,5.,6.]])
sess = tf.Session()
mean_none = sess.run(tf.reduce_mean(x))#求全部的均值
mean_0 = sess.run(tf.reduce_mean(x, 0))#求列的均值
mean_1 = sess.run(tf.reduce_mean(x, 1))#求行的均值

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: 输出张量的形状，必选
•     mean: 正态分布的均值，默认为0
•     stddev: 正态分布的标准差，默认为1.0
•     dtype: 输出的类型，默认为tf.float32
•     seed: 随机数种子，是一个整数，当设置之后，每次生成的随机数都一样
•     name: 操作的名称

随机生成一个两行三列的数组。标准差为1

1. w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))  

参考：https://blog.csdn.net/luoganttcc/article/details/70315538