np.random.rand

x_data= np.random.rand(100).astype(np.float32)
创建100个float32的随机数y_dat
np.random.rand(d0,d1,d2……dn)

注：使用方法与np.random.randn()函数相同 作用：
通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。
应用：在深度学习的Dropout正则化方法中，可以用于生成dropout随机向量（dl），例如（keep_prob表示保留神经元的比例）：dl
= np.random.rand(al.shape[0],al.shape[1]) < keep_prob

np.random.randn()函数

语法：

np.random.randn(d0,d1,d2……dn) 1)当函数括号内没有参数时，则返回一个浮点数；
2）当函数括号内有一个参数时，则返回秩为1的数组，不能表示向量和矩阵；
3）当函数括号内有两个及以上参数时，则返回对应维度的数组，能表示向量或矩阵；
4）np.random.standard_normal（）函数与np.random.randn()类似，但是np.random.standard_normal（）
的输入参数为元组（tuple）. 5)np.random.randn()的输入通常为整数，但是如果为浮点数，则会自动直接截断转换为整数。

在-1.96～+1.96范围内曲线下的面积等于0.9500（即取值在这个范围的概率为95%），在-2.58～+2.58范围内曲线下面积为0.9900（即取值在这个范围的概率为99%）. 
因此，由 np.random.randn()函数所产生的随机样本基本上取值主要在-1.96~+1.96之间，当然也不排除存在较大值的情形，只是概率较小而已。