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