Tensorflow2.3中 tf.random.truncated_normal 截断正态分布函数

原创已于 2022-11-05 16:59:13 修改 · 2.4k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #python

于 2022-11-05 16:56:45 首次发布

本文介绍了TensorFlow中tf.random.truncated_normal函数的使用方法，该函数用于生成截断的正态分布随机数，确保生成的数值集中在均值附近。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tf.random.truncated_normal()函数介绍

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

定义：截断的产生正态分布的随机数，即随机数与均值的差值若大于两倍的标准差，则重新生成。

shape，生成张量的维度
mean，均值
stddev，标准差
dtype，输出的类型 (可选)
seed，一个整数，当设置之后，每次生成的随机数都一样 (可选)
name，操作名称 (可选)

有关正态分布:

横轴区间（μ-σ，μ+σ）内的面积为68.268949%
横轴区间（μ-2σ，μ+2σ）内的面积为95.449974%
横轴区间（μ-3σ，μ+3σ）内的面积为99.730020%

~~对于tf.random.truncated_normal而言, 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。

应用举例:

#举例一
>> import tensorflow as tf
>> c = tf.random.truncated_normal(shape=[3, 2], mean=0, stddev=1)
>> print(c)

tf.Tensor(
[[0.68398845 0.33042762]
 [0.32751635 0.07095545]
 [0.7058672  0.567991  ]], shape=(3, 2), dtype=float32)

#举例二:
>> d = tf.random.truncated_normal(shape=[3, 2], mean=0, stddev=1,dtype=tf.float64, seed=2, name='aaa')
>> print(d)

tf.Tensor(
[[-1.2973865   0.06965108]
 [ 1.2432732  -0.46400306]
 [ 0.93317922  0.33969158]], shape=(3, 2), dtype=float64)

 
>> e = tf.random.truncated_normal(shape=[3, 2], mean=0, stddev=1,dtype=tf.float64, seed=2, name='bbb')
>> print(e)

tf.Tensor(
[[-1.2973865   0.06965108]
 [ 1.2432732  -0.46400306]
 [ 0.93317922  0.33969158]], shape=(3, 2), dtype=float64)
 
#可以看到,当固定了seed=2,多次操作得到的随机数仍然一样.

注:Tensorflow1.0版本中, 函数为 tf.truncated_normal