在tf.random，每个随机数生成函数都对应一个无状态函数，下面用tf.random.stateless_normal 和 tf.random.normal来说明无状态和有状态生成器之间的区别。
tf.random.stateless_normal 和 tf.random.normal 都是 TensorFlow 库中的函数，用于生成具有正态分布的随机数。然而，这两个函数之间有一些关键的区别。
- 状态管理：
tf.random.normal是一个有状态的操作，它在每次调用时都会使用一种叫做“全局随机数生成器”的东西，来确保每次调用生成的随机数序列是不同的。这意味着，如果你在多个线程或设备上同时调用tf.random.normal，它们可能会产生不同的随机数序列。相反，tf.random.stateless_normal是一个无状态的操作，它每次都返回完全相同的随机数序列，只要输入的参数相同。这使得tf.random.stateless_normal在多线程或多设备环境中更加可靠。 - 种子控制：如果你想要在不同的运行中获取相同的随机数序列，你可以使用
tf.random.set_seed函数设置随机数生成器的种子。然而，这个种子只会影响tf.random.normal，而不会影响tf.random.stateless_normal。对于tf.random.stateless_normal，你需要在每次调用时都提供一个种子。 - 性能：由于
tf.random.stateless_normal不需要维护全局状态，因此它在性能上通常比tf.random.normal更快。
这两个函数的使用取决于你的具体需求。如果你需要一个简单、易于使用的随机数生成器，并且不关心每次运行的结果是否相同，那么 tf.random.normal 可能是一个好选择。但是，如果你正在处理多线程或多设备环境，或者需要更精细的种子控制，那么 tf.random.stateless_normal 可能会更好。
