tf.truncated_normal的用法
tf.truncated_normal(shape, mean, stddev) :shape表示生成張量的維度,mean是均值,stddev是標(biāo)準(zhǔn)差。這個(gè)函數(shù)產(chǎn)生正太分布,均值和標(biāo)準(zhǔn)差自己設(shè)定。這是一個(gè)截?cái)嗟漠a(chǎn)生正太分布的函數(shù),就是說(shuō)產(chǎn)生正太分布的值如果與均值的差值大于兩倍的標(biāo)準(zhǔn)差,那就重新生成。和一般的正太分布的產(chǎn)生隨機(jī)數(shù)據(jù)比起來(lái),這個(gè)函數(shù)產(chǎn)生的隨機(jī)數(shù)與均值的差距不會(huì)超過(guò)兩倍的標(biāo)準(zhǔn)差,但是一般的別的函數(shù)是可能的。
例如:
[python]?view plain?copy
[[ 1.95758033 -0.68666345 -1.83860338 ?0.78213859 -1.08119416 -1.44530308
? ?0.38035342 ?0.57904619 -0.57145643 -1.22899497]
?[-0.75853795 ?0.48202974 ?1.03464043 ?1.19210851 -0.15739718 ?0.8506189
? ?1.18259966 -0.99061841 -0.51968449 ?1.38996458]
?[ 1.05636907 -0.02668529 ?0.64182931 ?0.4110294 ?-0.4978295 ?-0.64912242
? ?1.27779591 -0.01533993 ?0.47417602 -1.28639436]
?[-1.65927458 -0.364887 ? -0.45535028 ?0.078814 ? -0.30295736 ?1.91779387
? -0.66928798 -0.14847915 ?0.91875714 ?0.61889237]
?[-0.01308221 -0.38468206 ?1.34700036 ?0.64531708 ?1.15899456 ?1.09932268
? ?1.22457981 -1.1610316 ? 0.59036094 -1.97302651]
?[-0.24886213 ?0.82857937 ?0.09046989 ?0.39251322 ?0.21155456 -0.27749416
? ?0.18883201 ?0.08812679 -0.32917103 ?0.20547724]
?[ 0.05388507 ?0.45474565 ?0.23398806 ?1.32670367 -0.01957406 ?0.52013856
? -1.13907862 -1.71957874 ?0.75772947 -1.01719368]
?[ 0.27155915 ?0.05900437 ?0.81448066 -0.37997526 -0.62020499 -0.88820189
? ?1.53407145 -0.01600445 -0.4236775 ?-1.68852305]
?[ 0.78942037 -1.32458341 -0.91667277 -0.00963761 ?0.76824385 -0.5405798
? -0.73307443 -1.19854116 -0.66179073 ?0.26329204]
?[ 0.59473759 -0.37507254 -1.21623695 -1.30528259 ?1.18013096 -1.32077384
? -0.59241474 -0.28063133 ?0.12341146 ?0.48480138]]
http://blog.csdn.net/uestc_c2_403/article/details/72235565
總結(jié)
以上是生活随笔為你收集整理的tf.truncated_normal的用法的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇: textview字体切换颜色_百元耳机支
- 下一篇: 日志写入hbase_千亿级日志系统设计思