tf版本1.13.1,CPU

最近在tf里新学了一个函数,一查发现和tf.random_normal差不多,于是记录一下。。

1、首先是tf.truncated_normal函数

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

shape是张量维度,mean是正态分布是均值,stddev是正态分布的标准差;

它是从截断的正态分布中输出随机值,虽然同样是输出正态分布,但是它生成的值是在距离均值两个标准差范围之内的,也就是说,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。

2、接下去是

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

参数设置和上一个函数是一样的;而tf.random_normal是没有要求一定在(μ-2σ,μ+2σ)之内的

栗子如下:

r1 = tf.random_normal(shape=[10,10], mean=0, stddev=1)
r2 = tf.truncated_normal(shape=[10,10], mean=0, stddev=1)
with tf.Session() as sess:
print(sess.run(r1))
print('-----------------------------')
print(sess.run(r2)) ###
[[-0.9133466 -0.2193664 0.9871885 0.98474556 0.6795205 0.5485084
-0.5377412 -0.74770564 -1.1065788 -0.6537805 ]
[-0.05684219 -0.40211347 0.29256898 0.05646685 -0.09572198 -0.5329077
0.09256991 0.5098056 -0.56273437 3.0135465 ]
[-0.76685655 0.80393404 1.4993162 -0.97593653 -0.02311829 0.18108685
-0.10103939 -0.1788411 0.70498335 0.7432045 ]
[ 1.0753849 -1.552068 -0.82677794 -1.0526472 0.35524416 1.109456
-0.46477854 -0.94029546 0.4074978 -0.6275004 ]
[ 1.1464692 -0.7329785 1.3993146 -1.3458818 -1.0205774 -1.3928136
0.31929192 -0.19847174 0.24104206 -0.30365643]
[-0.56316936 0.35070175 -1.7900109 0.18886246 0.70969003 0.61488485
1.0273159 0.08935942 0.31060082 0.46601346]
[-2.2100964 -0.5587107 0.23800382 0.58263725 0.44721082 0.17937267
-1.6707375 -0.69823587 -0.624195 0.7153361 ]
[-0.8212442 -0.4100253 -0.29756552 1.6561007 0.22083926 0.97440094
-0.08767799 0.07237837 1.5110539 1.7204924 ]
[ 0.7634979 -0.38169494 -0.07168189 -1.0445783 -0.4177571 -0.06731904
0.13163103 0.73196214 -0.32269892 -1.9275837 ]
[ 0.73937386 -0.08055622 1.209047 -0.41532582 0.11017569 0.7899525
-1.8012363 -0.84279794 1.6240916 0.73638594]]
-----------------------------
[[-0.14283383 1.0008699 1.5809501 0.82382834 -0.6668856 0.59398574
-1.0554414 0.87018394 0.2878338 -0.4894875 ]
[ 1.3494765 -0.13940284 0.38545245 -0.16343059 0.37798592 -1.119075
-0.9302422 -1.1171802 -0.28318515 1.5838846 ]
[ 0.01883612 1.0887331 -0.18458353 -0.48704016 -0.84166986 1.2319418
0.6718625 -0.7222486 0.88431233 -0.31767374]
[-0.3927616 0.42229542 0.29394206 0.636135 -0.9557136 -0.14583842
0.09705613 -1.5379425 0.6139084 0.36891633]
[-1.0034062 -0.7085579 0.05415478 -0.26299214 -1.4239995 0.24866848
-0.08754523 0.9556532 -0.70344573 0.5501471 ]
[-0.36907005 -0.18001153 -1.7696055 -0.8719723 0.00751158 1.4784805
1.2351555 0.5596131 0.9836762 1.3182775 ]
[-0.68398184 -0.74510956 1.5121812 -0.5380244 -0.2752701 0.03485487
1.495663 -1.2325596 0.94225466 -1.386867 ]
[-0.00377628 -0.13128701 0.02556802 1.1236848 1.139232 -0.53410244
0.87148935 1.9706047 1.2066965 0.9876827 ]
[-0.3875238 -0.06041284 0.44305998 1.193 0.6871842 0.2273079
1.6827972 1.1394504 -1.4383765 -0.21280776]
[ 1.5706499 1.6732877 -1.1468259 0.3528784 1.8091112 1.2832314
-0.32502323 0.34072635 1.5236534 0.89802533]]

可见r1里面有一个数是在(-2,2)范围以外的,而r2则全在(-2,2)范围内

tensorflow学习之tf.truncated_normal和tf.random_noraml的区别的更多相关文章

  1. tensorflow 生成随机数 tf.random_normal 和 tf.random_uniform 和 tf.truncated_normal 和 tf.random_shuffle

    ____tz_zs tf.random_normal 从正态分布中输出随机值. . <span style="font-size:16px;">random_norma ...

  2. tf.truncated_normal和tf.random_normal使用方法的区别

    1.tf.truncated_normal使用方法 tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=No ...

  3. TensorFlow函数:tf.truncated_normal

    tf.truncated_normal函数 tf.truncated_normal( shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, ...

  4. TensorFlow学习笔记(三)-- feed_dict 使用

    个人理解:就是TF的一种输入语法. 跟C语言的scanf(),C++的 cin>> 意思差不多,只是长相奇怪了点而已. 做完下面几个例子,基本也就适应了. 首先占位符申请空间:使用的时候, ...

  5. 深度学习原理与框架-Tensorflow卷积神经网络-卷积神经网络mnist分类 1.tf.nn.conv2d(卷积操作) 2.tf.nn.max_pool(最大池化操作) 3.tf.nn.dropout(执行dropout操作) 4.tf.nn.softmax_cross_entropy_with_logits(交叉熵损失) 5.tf.truncated_normal(两个标准差内的正态分布)

    1. tf.nn.conv2d(x, w, strides=[1, 1, 1, 1], padding='SAME')  # 对数据进行卷积操作 参数说明:x表示输入数据,w表示卷积核, stride ...

  6. tensorflow生成随机数的操作 tf.random_normal & tf.random_uniform & tf.truncated_normal & tf.random_shuffle

    tf.random_normal 从正态分布输出随机值. random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name ...

  7. 【转载】 TensorFlow学习——tf.GPUOptions和tf.ConfigProto用法解析

    原文地址: https://blog.csdn.net/c20081052/article/details/82345454 ------------------------------------- ...

  8. Tensorflow学习笔记(2):tf.nn.dropout 与 tf.layers.dropout

    A quick glance through tensorflow/python/layers/core.py and tensorflow/python/ops/nn_ops.pyreveals t ...

  9. 深度学习原理与框架-Tensorflow基本操作-变量常用操作 1.tf.random_normal(生成正态分布随机数) 2.tf.random_shuffle(进行洗牌操作) 3. tf.assign(赋值操作) 4.tf.convert_to_tensor(转换为tensor类型) 5.tf.add(相加操作) tf.divide(相乘操作) 6.tf.placeholder(输入数据占位

    1. 使用tf.random_normal([2, 3], mean=-1, stddev=4) 创建一个正态分布的随机数 参数说明:[2, 3]表示随机数的维度,mean表示平均值,stddev表示 ...

随机推荐

  1. 【react学习二】create-react-app 接入antd 并按需加载组件

    1.安装 cnpm i babel-plugin-import --save-dev 2.使用 在根目录下的package.json下的bable中添加相应代码 "babel": ...

  2. cm日志哪里看

    root@d001:/home/centos# find / |grep cloudera-scm-agent.log/opt/cm-5.13.0/log/cloudera-scm-agent/clo ...

  3. STL::allocator rebind

    阅读侯捷的STL源码剖析时,发现在allocator类的代码中有这样一个struct template<class T> class allocator { ... template< ...

  4. js 中使用typeof

    >typeof(null) <"object" 对null执行typeof预算,结果返回字符串'object',也就是说,可以将null认为是一个特殊的对象值,含义是“ ...

  5. 51nod 1228 序列求和(伯努利数)

    1228 序列求和  题目来源: HackerRank 基准时间限制:3 秒 空间限制:131072 KB 分值: 160 难度:6级算法题  收藏  关注 T(n) = n^k,S(n) = T(1 ...

  6. WebStorm 在 Mac 版本的基本设置,包括 ES6、Node.js、字体大小等

    WebStorm 在 Mac 和 win 的设置有区别,便于以后用到快速查找,记之. 要设置先点击 WebStorm 字样如下图: 后点击 Preferences 字样如下图: 设置 es6 语法, ...

  7. 一个强大的json解析工具类

    该工具类利用递归原理,能够将任意结构的json字符串进行解析.当然,如果需要解析为对应的实体对象时,就不能用了 package com.wot.cloudsensing.carrotfarm.util ...

  8. bootstrap基础讲解

    Bootstrap基础简介 网站链接:  http://www.bootcss.com/ bootstrap优点: 下载: bootstrap的引入: <meta name="view ...

  9. ffmpeg摄像头推流

    ffmpeg -f dshow -i video="Integrated Camera" -vcodec libx264 -preset:v ultrafast -tune:v z ...

  10. leetcode-mid-others-169. Majority Element¶

    mycode  54.93% class Solution(object): def majorityElement(self, nums): """ :type num ...