使用tensorflow自带的随机种子函数来产生的随机数还是随机的,一脸尴尬。先介绍随机种子的使用。再来介绍随机函数。
随机种子
案例一: 结果不一样
import tensorflow as tf
b = tf.random_normal([1],seed = tf.set_random_seed(1234))
with tf.Session() as sees1:
print (sees1.run(b))
每次结果不一样。
案例二: 结果一样
import tensorflow as tf
b = tf.random_normal([1],seed = 1234)
with tf.Session() as sees1:
print (sees1.run(b))
结果一样。
随机函数
正态分布
产生服从正态分布的随机数
tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)
截断正态分布
产生服从截断正态分布的随机数,详情见截断正态分布
tf.truncated_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)
均匀分布
产生服从均匀分布的随机数
tf.random_uniform(shape,minval=0.0,maxval=1.0,dtype=tf.flaot32,seed=None,name=None)
数据重排
使数据重新排列
tf.random_shuffle(value,seed=None,name=None)