tf.random_normal()和numpy.random.normal()区别

在学习莫烦tensorflow途中，经常用numpy下的random下的normal代替random_normal，因为不太清楚区别，就出错了，

举例：

x_data=npy.linspace(-1.0,1.0,300)[:,npy.newaxis]
noise=npy.random.normal(0,0.05,x_data.shape)
#noise=tf.random_normal(x_data.shape,0,0.05).astype(tf.float32)
#y_data=tf.square(x_data)-0.5+noise
y_data=npy.square(x_data)-0.5+noise
xs=tf.placeholder([None,1])
ys=tf.placeholder([None,1])

自己觉得区别：

1、这两个函数的输出不一样，一个是ndarray，一个是tensor,我自己也不太能理解python 中的array，和其他库中有同样作用的array区别在哪。

2、不能用注释的代码原因是因为之后的feed_dict，feed_dict是将序列中每一个元素对应的tensor和实际值对应起来写入dict进行传递，xs,ys都是tensor，实际值所以就要用numpy下的random模块生成。