TensorFlow之随机数

 

简单介绍下TensorFlow中的几种随机数的生成方法。

1、tf.random_normal

生成正态分布的随机数。

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

shape：一个一阶整形张量或python的array类型。表示输出的形状 
mean：一个0阶的张量或者python值，表示正态分布的均值。 
stddev：一个0阶的张量或者python值，表示正态分布的标准差。 
dtype：输出元素类型 
seed：一个Python的整形，用来创建随机数种子 
name：操作的名称

 

2、tf.truncated_normal

生成正态分布的随机数，如果x的取值在区间（μ-2σ，μ+2σ）之外则重新进行选择。这样保证了生成的值都在均值附近。

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

shape：一个一阶整形张量或python的array类型。表示输出的形状 
mean：一个0阶的张量或者python值，表示正态分布的均值。 
stddev：一个0阶的张量或者python值，表示正态分布的标准差。 
dtype：输出元素类型 
seed：一个Python的整形，用来创建随机数种子 
name：操作的名称

 

3、tf.random_uniform

服从均匀分布的随机数，区间为 [minval, maxval) 

tf.random_uniform(shape, minval=0, maxval=None, dtype=tf.float32, seed=None, name=None)

shape：一个一维整形tensor类型或者是python的array类型。表示输出的形状 
minval：一个0阶的张量或者python值，小的边界，默认是0 
maxval：一个0阶的张量或者python值，大的那个边界 
dtype：输出的类型，可以是 float32, float64, int32, or int64. 
seed：一个Python的整形，随机数种子 
name：操作的名称

 

4、tf.random_shuffle

在第一个维度随机打乱顺序，这个功能其实可以在随机梯度下降的时候用。

tf.random_shuffle(value, seed=None, name=None)

value：待打乱的张量
seed：一个Pthon类型的整型， 随机数种子 
name：名称