Numpy.random()

前言：

• 感谢周小董的BLOG、-牧野-的BLOG
• 最近在学习Mooc上曹健老师的Tensorflow笔记，文中代码都是从老师那里翻下来的，本文是Yogurt一节。

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。