TensorFlow中random_normal和truncated_normal的区别

原文链接：https://blog.csdn.net/zhangdongren/article/details/83344048

区别如下：
tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None) 正太分布随机数，均值mean,标准差stddev
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None) 截断正态分布随机数，均值mean,标准差stddev,不过只保留[mean-2stddev,mean+2stddev]范围内的随机数
那么什么是正太分布呢？
看下面这张图，就是正太分布的直观图：
TensorFlow中random_normal和truncated_normal的区别

好了看完上面这张图，我们就可以理解什么是random_normal，什么又是truncated_normal了。所谓的random_normal服从正太分布的所有随机数，而truncated_normal仅仅只是截取了正太分布某一个范围的数据并不是全部数据。

////////////////////////////////////////////////////结束线/////////////////////////////////////////////////////////