前言:
简介:
-
numpy是python提供的科学计算模块,一般使用时将它缩写成np:
import numpy as np
-
np.random.RandomState(SEED):设置随机数种子,便于复现
SEED = 23455 rdm = np.random.RandomState(SEED)
-
使用生成的变量rdm生成数据集:
X = rdm.rand(32,3)#np.random.rand()的参数是生成数据集的维数,本例中生成32行3列的数据 Y_ = [[x1 + x2 + (rdm.rand()/10.0 - 0.05) for (x1,x2) in X]#np.random.rand()生成的是[0,1)的浮点数,除以10并加入噪声之后就是[-0.05,0.05)的浮点数
-
tf.random_normal():用于从正态分布的数据中取出某些值
原型:tf.random_normal(shape , mean=0.0 , stddev=1.0 , dtype=tf.float32 , seed=None , name=None)
其中,shape代表张量形状;mean代表正态均值;stddev代表正态标准差;dtype是输出的类型;seed是随机种子;name是操作的名称。注意:除了 shape 是必选,其他均有缺省值。 -
tf.reduce_mean():是一类降维函数中的一个求均值函数
原型:tf.reduce_mean(input_tensor , axis=None , keep_dims=False , name=None , reduction_indices=None)
其中,input_tensor代表输入的张量;axis形式既可以是数组也可以是数字,代表指定的轴,若不指定,则输出一个数字,即求全体的平均数;keep_dims代表是否降维,若设置成True,则输出会保持原来张量的维度;name代表操作的名称;reduction_indices已经 被弃用。
注意:axis=0:代表跨行取平均,也即列平均数;axis=1:代表跨列取平均,也即行平均数。但若不设置keep_dims=True,则返回的张量维形相同。