【TensorFlow 入门】1、函数基础

一、np.random

1. np.random.RandomState

计算机实现的随机数生成通常为伪随机数生成器，为了使得具备随机性的代码最终的结果可复现，需要设置相同的种子值；

np.random.randn(…) ⇒ 
rng = np.random.RandomState(123)
rng.randn(…)

2. np.random.uniform()

从均匀分布[low,high)中采样

numpy.random.uniform(low=0.0, high=1.0, size=None)

#在[1,5)中进行采样，生成2行3列的矩阵
>>>import numpy as np
>>>print(np.random.uniform(1, 5, (2, 3)))

[[ 3.86929057  1.6650755   4.21656753]
 [ 3.64720615  4.42138963  2.78659527]]

3. np.random.rand()

在[0,1)均匀分布中采样

>>>import numpy as np
>>>print(np.random.rand(1, 5)

[[ 0.85000923  0.65510205  0.44457559  0.0549795   0.66601253]]

4. np.random.RandomState()

随机数生成器（保证每次初始化的结果一样）

>>>import numpy as np
>>>rdm=np.random.RandomState(1)
>>>print(rdm.rand(2,3))

[[  4.17022005e-01   7.20324493e-01   1.14374817e-04]
 [  3.02332573e-01   1.46755891e-01   9.23385948e-02]]

二、tf.reduce

TensorFlow有一类在在tensor的某一维度上求值的函数

1. 求最大值

tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None)
input_tensor：待求的值
reduction_indices：在哪一维上求解

2.求平均值
tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)

import tensorflow as tf

x = tf.constant([[1, 2], [3, 4]],dtype=tf.float32)

with tf.Session() as sess:
    print('x：\n',sess.run(x))
    print('第1维方向均值：\n', sess.run(tf.reduce_mean(x, 0)))
    print('第2维方向均值：\n',sess.run(tf.reduce_mean(x, 1)))

结果：

x：
 [[ 1.  2.]
 [ 3.  4.]]
第1维方向均值：
 [ 2.  3.]
第2维方向均值：
 [ 1.5  3.5]

示例|效果
😐:-😐:-
tf.reduce_mean(x)==> 2.5 |如果不指定第二个参数，那么就在所有的元素中取平均值
tf.reduce_mean(x, 0) ==> [2., 3.]|指定第二个参数为0，则第一维的元素取平均值，即每一列求平均值
tf.reduce_mean(x, 1) ==> [1.5, 3.5]| 指定第二个参数为1，则第二维的元素取平均值，即每一行求平均值