实验环境:windows 7,anaconda 3(Python 3.5),tensorflow(gpu/cpu)
函数:
numpy中的随机数:
(0,1)范围:
np.random.random(size),np.random.rand(x1[,x2[,x3[,…]]]),
这两个函数的作用功能相同都是产生(0,1)的数,只是使用方式不同,x1,x2,…指的是python中的0维度,1维度,…
随意范围:
np.random.randint(x1[,x2[,size]]),
如果不指定size则产生一个数,只指定x1产生集合{0,1,…,x1-1}中的一个数,只指定x1,x2产生集合{x1,x1+1,…,x2-1}中的一个数,如果指定了x1,x2,size则产生形状为size的矩阵,矩阵元素取自集合{x1,x1+1,…,x2-1}
np.random.uniform(x1,[x2,[,size]])
如果不指定size则产生一个数,此函数如果只指定x1虽然能产生数但是范围是不定的,所以最好至少指定x1,x2,产生的一个数选自(x1,x2),如果指定了x1,x2,size则产生形状为size的矩阵,矩阵元素选自(x1,x2)
……………………………………………………………………………………我是分割符……………………………………………………………………………………
numpy中的正态分布数:
np.random.normal(loc=0.0,scale=1.0,size)
这个函数用来产生均值为loc,标准差为scale,形状为size的正态分布矩阵,默认值为loc=0.0,scale=1.0