• 定義：即神經元結構線上的權重W，用變量表示，一般會先隨機生成這些參數。生成參數的方法是讓w等于tf.Variable，把生成的方式寫在括號里。

神經網絡中常用的生成隨機數/數組的函數解釋

tf.random_normal()	生成正態分布隨機數
tf.truncated_normal()	生成去掉過大偏離點（超過偏差）的正太分布的隨機數
tf.random_uniform()	生成平均分布的隨機數
tf.zeros()	全0數組，tf.zeros([3, 2], int 32)，生成[[0, 0], [0, 0], [0, 0]]
tf.ones()	全1數組，tf.ones([3, 2], int 32)，生成[[1, 1], [1, 1], [1, 1]]
tf.fill()	全定值數組，tf.zeros([3, 2], 6)，生成[[6, 6], [6, 6], [6, 6]]
tf.constant()	直接給值，tf.constant([3, 2, 1])，生成[3, 2, 1]

• 舉例
  ① w = tf.Variable(tf.random_normal([2, 3], stddev = 2, mean = 0, seed =1))

tf.random_normal()[2, 3]stddev = 2mean = 0seed

正態分布	生成2*3矩陣	標準差為2	均值為0	隨機種子（去掉的話，每次生成的隨機數將不一致）

② w=tf.Variable(tf.Truncated_normal([2,3],stddev=2, mean=0, seed=1))，
表示去掉偏離過大的正態分布，也就是如果隨機出來的數據偏離平均值超過兩個標準差，這個數據將重新生成。
③ w=random_uniform(shape=7,minval=0,maxval=1,dtype=tf.int32，seed=1),
表示從一個均勻分布[minval maxval)中隨機采樣，注意定義域是左閉右開，即包含 minval，不包含 maxval。
注意：
①隨機種子如果去掉每次生成的隨機數將不一致。
②如果沒有特殊要求標準差、均值、隨機種子是可以不寫的

總結

以上是生活随笔為你收集整理的神经网络的参数（Weight）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。