计算机视觉技术 Linux软件安装 莱斯分布 testing canvas gwt ros 打印 arm Animsition bootstrap后台管理系统 网站后台管理模板 linux内存管理 jquery去除空格 jquery选择子元素 hbase端口 mysql错误代码1064 css鼠标悬浮样式 python编译环境 python操作mysql 配置python环境 python中文教程 python创建文件 python导入文件 java对象和类 java安装步骤 java实现栈 java删除目录 java字符 javalist数组 心理学与生活下载 qtp下载 忧思华光玉攻略 联发科p70 影视后期软件 云管家 自动回复机器人 js切割字符串 任意屏官网 还原软件哪个好 上单塞拉斯
当前位置: 首页 > 学习教程  > python

Numpy中 random.rand() 和random.normal() 的用法

2021/2/6 22:25:18 文章标签: 测试文章如有侵权请发送至邮箱809451989@qq.com投诉后文章立即删除

random.rand的用法 #直接举例 random.rand(‘参数’)的功能主要是产生0-1之间的随机数,括号内的参数可以指定输出结果的维度 import numpy as np pre_embedding np.random.rand(3) #产生三个0-1之间的随机数 pre_embedding_1 np.random.rand(3,3) #生成一个二…

random.rand的用法
#直接举例
random.rand(‘参数’)的功能主要是产生0-1之间的随机数,括号内的参数可以指定输出结果的维度

import numpy as np
pre_embedding = np.random.rand(3)   #产生三个0-1之间的随机数
pre_embedding_1 = np.random.rand(3,3)  #生成一个二维数组
pre_embedding_2 = np.random.rand(3,3,3) #生成一个三维数组
print(pre_embedding)
print('***************************************')
print(pre_embedding_1)
print('***************************************')
print(pre_embedding_2)

输出结果:

[0.79361659 0.54862139 0.53871834]
***************************************
[[0.39056948 0.2079128  0.49439483]
 [0.80964947 0.38093295 0.29418133]
 [0.42483178 0.9474542  0.30737835]]
***************************************
[[[0.05451471 0.30638544 0.90205104]
  [0.83569155 0.86030104 0.43600045]
  [0.80787798 0.34127962 0.67618464]]

 [[0.42327551 0.25691566 0.99237186]
  [0.90936001 0.97076353 0.05800197]
  [0.34290858 0.81758333 0.89198008]]

 [[0.27974274 0.82173925 0.75286244]
  [0.87690549 0.58582206 0.44959526]
  [0.97130889 0.87764664 0.52238763]]]

random.normal 用法

Numpy中numpy.random.normal(loc, scale, size) 用于随机生成一组指定维度/shape的正态分布的数据。

参数含义:

loc:float
概率分布的均值,对应着整个分布的中心;
scale:float
概率分布的标准差,对应于分布的宽度,scale值越大表示正态分布曲线越宽,越矮,scale值越小表示正态分布曲线越窄,越高
size:int or tuple of ints
输出的shape,默认为None,只输出一个值

举例

import numpy as np
x_data = np.linspace(-1,1,3)[:,np.newaxis]	#--->维度
print(x_data)
noise = np.random.normal(0,0.05,x_data.shape)	
print(noise)
y_data = np.square(x_data) - 0.5 + noise	
print(y_data)

输出

[[-1.]
 [ 0.]
 [ 1.]]
[[-0.03699895]
 [-0.02344254]
 [ 0.01614915]]
[[ 0.46300105]
 [-0.52344254]
 [ 0.51614915]]

如结果所示,x_data的shape为3×1,即为noise的shape


本文链接: http://www.dtmao.cc/news_show_2000091.shtml

附件下载

相关教程

    暂无相关的数据...

共有条评论 网友评论

验证码: 看不清楚?