【TensorFlow基本功】正太分布的使用

Posted 2023-04-27

参考技术A

正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution）。

正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。

在TF中会大量使用到正态分布，熟练的使用它，也是使用TF的基本功之一。下面来看一下在Python中如何使用。

用numpy来获取一个标准正态分布的样例

一维正太分布如上面定义所说，正如一个“钟形”

或者如下两者

和

效果都如之前的图片

mu控制函数中心位置左右移动，如下mu=6的场景

sigma=10的场景

记住这个特性，在获取一维正太分布数据时很有帮助。

二维正太分布的公式如下，

二维正太分布使用不一样的numpy函数， multivariate_normal

二维标准正太分布如下，不在是一个“钟”，而像一个“圆”

这里的参数也有变化。
mean表示二维数组每一维的均值；是一个（1，2）矩阵。
cov表示二维数组的 协方差 ；是一个（2，2）矩阵。

可以看出来mean是圆的圆点，那么是不是改变了mean，圆就会发生移动呢？ 我们试一下。

那么cov 协方差代表的意义 也通过实验来看一下，

tensorflow中用正太分布随机初始化网络权重参数 ---tf.random_normal

https://www.tensorflow.org/api_docs/python/tf/random_normal

numpy的random库也有normal函数，功能类似，参数排列次序不同：

https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.random.normal.html