tensorflow生成随机数的操作 tf.random_normal & tf.random_uniform & tf.truncated_normal & tf.random_shuffle

文章转自：https://blog.csdn.net/tz_zs/article/details/75948350

tf.random_normal

从正态分布输出随机值。

[python] view plain copy

1. random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)  

shape：一个一维整数张量或Python数组。代表张量的形状。
mean：数据类型为dtype的张量值或Python值。是正态分布的均值。
stddev：数据类型为dtype的张量值或Python值。是正态分布的标准差
dtype： 输出的数据类型。
seed：一个Python整数。是随机种子。
name： 操作的名称(可选)

官网api地址： https://www.tensorflow.org/versions/r1.3/api_docs/python/tf/random_normal

tf.random_uniform

从均匀分布中返回随机值。

[python] view plain copy

1. random_uniform(  
2.     shape,# 生成的张量的形状  
3.     minval=0,  
4.     maxval=None,  
5.     dtype=tf.float32,  
6.     seed=None,  
7.     name=None  
8. )  

返回值的范围默认是0到1的左闭右开区间，即[0，1)。minval为指定最小边界，默认为1。maxval为指定的最大边界，如果是数据浮点型则默认为1，如果数据为整形则必须指定。

官网api地址：https://www.tensorflow.org/api_docs/python/tf/random_uniform

tf.truncated_normal

截断的正态分布函数。生成的值遵循一个正态分布，但不会大于平均值2个标准差。

[python] view plain copy

1. truncated_normal(  
2.     shape,#一个一维整数张量或Python数组。代表张量的形状。  
3.     mean=0.0,#数据类型为dtype的张量值或Python值。是正态分布的均值。  
4.     stddev=1.0,#数据类型为dtype的张量值或Python值。是正态分布的标准差  
5.     dtype=tf.float32,#输出的数据类型。  
6.     seed=None,#一个Python整数。是随机种子。  
7.     name=None#操作的名称(可选)  
8. )  

官网api地址： https://www.tensorflow.org/api_docs/python/tf/truncated_normal

tf.random_shuffle

沿着要被洗牌的张量的第一个维度，随机打乱。

[python] view plain copy

1. random_shuffle(  
2.     value,# 要被洗牌的张量  
3.     seed=None,  
4.     name=None  
5. )  

即下面这种效果：

[python] view plain copy

1. [[1, 2],       [[5, 6],  
2.  [3, 4],  ==>   [1, 2],  
3.  [5, 6]]        [3, 4]]  

官网api地址：  https://www.tensorflow.org/api_docs/python/tf/random_shuffle