一、tf.truncated_normal
参考这篇博文：https://blog.csdn.net/uestc_c2_403/article/details/72235565
函数原型：tf.truncated_normal(shape, mean, stddev,dtype)
其中，shape表示要生成的张量的维度，比如 [10,10] 或者 [10,10,10] 等均可，
mean是表示均值，
stddev是标准差，
dtype 表示数据类型
这个函数产生正态分布，均值和标准差根据自己设定的值一致。
这是一个生成截断的正态分布的函数，就是说产生正态分布的值如果与均值的差值大于两倍的标准差，那就重新生成。和一般正态分布产生的随机数据比起来，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，但是一般别的函数是可能超过二倍标准差的。
二、tf.random_normal()
参考这篇博文：https://blog.csdn.net/dcrmg/article/details/79028043
函数原型：tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
其中，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
tf.random_normal()函数用于从服从指定正态分布的数值中取出指定个数的值。