转载：https://blog.csdn.net/tz_zs/article/details/75948350

tf.random_normal

从正态分布中输出随机值。

random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)

• shape：一个一维整数张量或Python数组。代表张量的形状。
• mean：数据类型为dtype的张量值或Python值。是正态分布的均值。
• stddev：数据类型为dtype的张量值或Python值。是正态分布的标准差。
• dtype： 输出的数据类型。
• seed：一个Python整数。是随机种子。
• name： 操作的名称(可选)

官网api地址：https://www.tensorflow.org/versions/r1.3/api_docs/python/tf/random_normal

tf.random_uniform

从均匀分布中返回随机值。

1.  
   random_uniform(
2.  
   shape,# 生成的张量的形状
3.  
   minval=0,
4.  
   maxval=None,
5.  
   dtype=tf.float32,
6.  
   seed=None,
7.  
   name=None
8.  
   )

返回值的范围默认是0到1的左闭右开区间，即[0，1)。minval为指定最小边界，默认为1。maxval为指定的最大边界，如果是数据浮点型则默认为1，如果数据为整形则必须指定。

官网api地址：https://www.tensorflow.org/api_docs/python/tf/random_uniform

tf.truncated_normal

截断的正态分布函数。生成的值遵循一个正态分布，但不会大于平均值2个标准差。

1.  
   truncated_normal(
2.  
       shape,#一个一维整数张量或Python数组。代表张量的形状。
3.  
       mean=0.0,#数据类型为dtype的张量值或Python值。是正态分布的均值。
4.  
       stddev=1.0,#数据类型为dtype的张量值或Python值。是正态分布的标准差
5.  
       dtype=tf.float32,#输出的数据类型。
6.  
       seed=None,#一个Python整数。是随机种子。
7.  
       name=None#操作的名称(可选)
8.  
   )

官网api地址：https://www.tensorflow.org/api_docs/python/tf/truncated_normal

tf.random_shuffle

沿着要被洗牌的张量的第一个维度，随机打乱。

1.  
   random_shuffle(
2.  
   value,# 要被洗牌的张量
3.  
   seed=None,
4.  
   name=None
5.  
   )

即下面这种效果：

1.  
   [[1, 2], [[5, 6],
2.  
   [3, 4], ==> [1, 2],
3.  
   [5, 6]] [3, 4]]

官网api地址： https://www.tensorflow.org/api_docs/python/tf/random_shuffle