一个简单的谷歌搜索会告诉你差异。

截断正态从截断正态分布中输出随机值。生成的值遵循具有指定均值和标准差的正态分布，但幅度大于均值 2 个标准差的值将被丢弃并重新选择。

Random Uniform从均匀分布中输出随机值。生成的值遵循 [minval, maxval) 范围内的均匀分布。下限 minval 包含在范围内，而上限 maxval 不包括在内。

关于何时使用其中一种更好，我们不知道。权重只需要是随机的，没有结论性的研究表明一种或另一种分布更适合特定场景。话虽如此，有更好的方法可以完全随机地初始化权重。其中包括非常流行的Xavier初始化程序。

tf.truncated_normal和之间的基本区别tf.random_normal是前者生成截断值遵循具有指定均值和标准差的正态分布，而后者输出正态分布的随机值。

为什么要使用截断值？
截断的正态分布用于防止产生死神经元。
通常应该使用少量噪声初始化权重，以破坏对称性，并防止梯度为 0。由于我们使用的是ReLU神经元，因此最好使用稍微正的初始偏差来初始化它们以避免死神经元。
在这里，它得到了很好的回答。