tf.truncated_normal()函式是一種“截斷”方式生成正太分佈隨機值，“截斷”意思指生成的隨機數值與均值的差不能大於兩倍中誤差，否則會重新生成。

此函式有別於tf.random_normal()正太函式，請參考本部落格關於tf.random_normal()函式的介紹

（TensorFlow函式之tf.random_normal()）

tf.truncated_normal()函式的格式為：

tf.truncated_normal(shape, mean, stddev, dtype, seed, name)

引數說明：

1. shape：表示生成隨機數的維度
2. mean：正太分佈的均值，預設為0
3. stddev：正太分佈的標準差
4. dtype：生成正太分佈資料的型別
5. seed：一個整數，當設定之後，每次生成的隨機數都一樣
6. name：正太分佈的名字

下邊舉兩個例子說明函式的用法：

1、下邊例子，均值mean=0，stddev=0.2，則生成的隨機數與均值差不能大於兩倍中誤差，即範圍為：[-0.4,0.4]

import tensorflow as tf

v = tf.truncated_normal([2, 2], mean=0, stddev=0.2, dtype=tf.float32, seed=1, name='v')

sess = tf.Session()
print(sess.run(v))
sess.close()
 

輸出為：

[[-0.16226365  0.29691976]
 [ 0.01306587  0.01984968]]

2、修改標準差，檢視生成隨機數的差別，這裡設定stddev=0.1，則生成的範圍：[-0.2,0.2]

import tensorflow as tf

v = tf.truncated_normal([2, 2], mean=0, stddev=0.1, dtype=tf.float32, seed=1, name='v')

sess = tf.Session()
print(sess.run(v))
sess.close()

輸出為：

[[-0.08113182  0.14845988]
 [ 0.00653294  0.00992484]]