正太

考虑alpha 位点的定义，当点落在alpha位点的右边时，概率只有alpha,而不是1-alpha,所以P{}里面只能调整成Z1-a 位点，而Z1-a位点对于对称的正太分布，t分布，就是-Za位点 来源： https://www.cnblogs.com/wdfrog/p/12174431.html

原文链接： https://blog.csdn.net/zhangdongren/article/details/83344048 区别如下： tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None) 正太分布随机数，均值mean,标准差stddev tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None) 截断正态分布随机数，均值mean,标准差stddev,不过只保留[mean-2stddev,mean+2stddev]范围内的随机数 那么什么是正太分布呢？ 看下面这张图，就是正太分布的直观图： 好了看完上面这张图，我们就可以理解什么是random_normal，什么又是truncated_normal了。所谓的random_normal服从正太分布的所有随机数，而truncated_normal仅仅只是截取了正太分布某一个范围的数据并不是全部数据。 ////////////////////////////////////////////////////结束线//////////////////////////////////////////////////