python随机生成正态分布_Tensorflow-API笔记（1）：随机数的生成

最近在学习tensorflow,发现tensorflow有许多API，而且有一些API都是实现同一种功能的，但是可以采用的API有很多种。为此在看的时候也做一些记录，方便自己以后复习。不同的API具有的扩展功能也不同

在看代码的时候发现建模的会有随机数生成的函数，发现一共有三种不同的生成方式，接下来举几个例子来验证下自己的

1. tf.random_normal()

tf.random_normal()函数用于从服从指定正太分布的数值中取出指定个数的值。

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

• shape: 输出张量的形状，必选
• mean: 正态分布的均值，默认为0
• stddev: 正态分布的标准差，默认为1.0
• dtype: 输出的类型，默认为tf.float32
• seed: 随机数种子，是一个整数，当设置之后，每次生成的随机数都一样，当seed=None的时候每次生成的随机数都不一样
• name: 操作的名称，可不填写

# -*- coding: utf-8 -*-)

2.tf.random_uniform（）

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

• shape：一维整数张量或 Python 数组.输出张量的形状. minval：dtype 类型的 0-D 张量或 Python
  值；生成的随机值范围的下限；默认为0. maxval：dtype 类型的 0-D 张量或 Python 值.要生成的随机值范围的上限.如果
• dtype 是浮点,则默认为1 . dtype：输出的类型：float16、float32、float64、int32、orint64.
• seed：一个 Python 整数.用于为分布创建一个随机种子.查看 tf.set_random_seed 行为.
• name：操作的名称(可选).

# -*- coding: utf-8 -*-)

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

tf.truncated_normal(shape, mean, stddev) :shape表示生成张量的维度，mean是均值，stddev是标准差。这个函数产生正太分布，均值和标准差自己设定。这是一个截断的产生正太分布的函数，就是说产生正太分布的值如果与均值的差值大于两倍的标准差，那就重新生成。和一般的正太分布的产生随机数据比起来，这个函数产生的随机数与均值的差距不会超过两倍的标准差，但是一般的别的函数是可能的。

# -*- coding: utf-8 -*-)

4. Numpy中产生随机数：

np.random.randint(low=1,high=3,size=10)

产生一个上限为3，下限为1的总数为10的矩阵

np.random.rand(3,2)

产生一个3*2的矩阵，范围为0-1

import