ARGS：
mean：一个python标量或一个标量张量。要生成的随机值的均值。
stddev：一个python标量或一个标量张量。要生成的随机值的标准偏差。
seed：一个Python整数。用于创建随机种子。查看 tf.set_random_seed 行为。
dtype：数据类型。只支持浮点类型。
如果解决了你的问题，点个赞再走吧~
标签：set initial logs UNC color down 支持 ini 选择
tf.truncated_normal_initializer
意为：从截断的正态分布中输出随机值，如果生成的值大于平均值2个标准偏差的值则丢弃重新选择
截断的正态分布：就是规定了范围的正态分布，比如在负无穷到50之间的正态分布，或者10到200的正态分布
为什么生成的值大于平均值2个标准偏差的值则丢弃重新选择？
X落在（μ-3σ，μ+3σ）以外的概率小于千分之三，在实际问题中常认为相应的事件是不会发生的，基本上可以把区间（μ-3σ，μ+3σ）看作是随机变量X实际可能的取值区间，这称之为正态分布的“3σ”原则。
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。
ARGS：
mean：一个python标量或一个标量张量。要生成的随机值的均值。
stddev：一个python标量或一个标量张量。要生成的随机值的标准偏差。
seed：一个Python整数。用于创建随机种子。查看 tf.set_random_seed 行为。
dtype：数据类型。只支持浮点类型。
如果解决了你的问题，点个赞再走吧~
tf.truncated_normal_initializer的明确解释
标签：set initial logs UNC color down 支持 ini 选择
原文地址：https://www.cnblogs.com/qianchaomoon/p/12286410.html
