tensorflow之random_normal

random_normal 生成符合正太分布的矩阵

tf.random_normal(shape, mean = 0.0, stddev = 1.0, dtype = tf.float32, seed = None, name = None)

解释：这个函数返回一个随机数序列，数组里面的值按照正态分布。

    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
---------------------
 

举例：

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

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    # sess.run(tf.initialize_all_variables())  #比较旧一点的初始化变量方法
    print (w1)
    print (sess.run(w1))

 输出：

 一直弄不明白，生成正太分布的数组这个函数到底和生成随机数有什么区别，因为我尝试找出生成的数值之间的关系，通过求平均值或者方差，完全没那回事。

就在刚刚，想明白了。这里生成的数符合正太分布的概率发布，举个例子，比如符合标准正太分布，上个图：