TensorFlow随机函数详解：constant、random_normal与random_uniform用法

闻溪

发布时间：2026-10-13| 3人浏览过

原创

本文介绍TensorFlow中创建常量张量及生成随机数张量的核心函数。详细解析tf.constant的赋值与形状指定，以及random_normal、truncated_normal和random_uniform在正态分布、截断正态分布和均匀分布中的参数设置与应用场景，帮助开发者掌握基础数据初始化方法。

具体实现方式如下所示：

tf.constant(value, dtype=None, shape=None)

首先创建一个常量张量，通过指定value参数进行赋值，并可利用shape参数定义其维度结构。value参数支持单一数值或列表形式：若传入单个数值，则该张量内所有元素均以此数值填充；若传入列表，则按列表内容赋值。

tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32) 
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32) 
tf.random_uniform(shape,minval=0,maxval=None,dtype=tf.float32)

以下函数均用于生成指定形状（shape）的随机数张量。

random_normal：生成服从正态分布的随机数，需指定均值mean和标准差stddev。

truncated_normal：生成服从截断正态分布的随机数，同样指定均值mean和标准差stddev，但仅保留落在[mean-2*stddev, mean+2*stddev]区间内的随机数，超出此范围的样本将被重新生成。

random_uniform：生成服从均匀分布的随机数，数值范围由minval和maxval界定。

以上关于TensorFlow中几个随机函数的用法介绍完毕，希望能为读者提供实用参考，欢迎继续支持本站获取更多技术内容。