tf.truncated_normal与tf.random_normal的作用都是从给定均值和方差的正态分布中输出变量。两者的区别在于tf.truncated_normal 截取的是两个标准差以内的部分，换句话说就是截取随机变量更接近于均值。
The generated values follow a normal distribution with specified mean and
standard deviation, except that values whose magnitude is more than 2 standard
deviations from the mean are dropped and re-picked.
在正态分布的曲线中：
横轴区间（μ-σ，μ+σ）内的面积为68.268949%。
横轴区间（μ-2σ，μ+2σ）内的面积为95.449974%。
横轴区间（μ-3σ，μ+3σ）内的面积为99.730020%。
X落在（μ-3σ，μ+3σ）以外的概率小于千分之三，在实际问题中常认为相应的事件是不会发生的，基本上可以把区间（μ-3σ，μ+3σ）看作是随机变量X实际可能的取值区间，这称之为正态分布的“3σ”原则。
在tf.truncated_normal中如果x的取值在区间（μ-2σ，μ+2σ）之外则重新进行选择。这样保证了生成的值都在均值附近。
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
参数：
- shape: 张量维度
- mean: 正态分布的均值
- stddev: 正态分布的标准差
- dtype: 输出的类型
- seed: 一个整数，当设置之后，每次生成的随机数都一样
- name: 操作的名字
tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
参数:
- shape: 张量维度
- mean: 正态分布的均值
- stddev: 正态分布的标准差
- dtype: 输出的类型
- seed: 一个整数，当设置之后，每次生成的随机数都一样
- name: 操作的名字
