python创建随机矩阵

1.np.random.rand()
作用：生成指定维度的**[0,1)**（不能取到1）范围之间的随机数，输入参数为维度。

p.random.rand(3,3,3)
print(a)

输出结果

[[[0.38513398 0.29103514 0.86919735]
  [0.31253683 0.47210168 0.81230605]
  [0.69020981 0.66477966 0.59045324]]

 [[0.8010929  0.17551074 0.60361964]
  [0.53449847 0.4181579  0.47568247]
  [0.30433368 0.36806786 0.19938737]]

 [[0.20444758 0.46681856 0.53593237]
  [0.71683286 0.76895773 0.2643273 ]
  [0.63406538 0.61606009 0.78252285]]]

代码2：

import numpy as np

a = np.random.randn(4,3)*100

输出结果：

[[ 89.65795714  65.92300167 128.74606647]
 [ 13.73081805  -8.65262364  23.13151668]
 [ 53.91378899  66.97398553 -25.40035029]
 [164.65866819 127.31880557 143.79058532]]

rand 和 randn 的区别：
rand： 返回的是一个或一组服从0 - 1 均匀分布的随机样本值，随机样本值的取值范围是[0，1)，取不到1。在深度学习的Dropout正则化方法中，可以用于生成dropout随机向量（dl）
randn : 返回一个或一组服从标准正态分布的随机样本值。标准正态分布是以0为均数、以1为标准差的正态分布，记为N（0，1）。

2.np.random.randint()
作用：返回一个随机整型数，其范围为[low,high).如果没有写参数high的值，则返回[0,low)

dom.randint(1,10,(3,3,3))#1，10是[1，10）；（3，3，3）指的是矩阵size
print(x)

输出：

[[[3 7 9]
  [5 4 3]
  [3 2 1]]

 [[1 5 4]
  [6 7 7]
  [7 7 1]]

 [[8 6 5]
  [3 8 8]
  [9 5 2]]]