3_tensorflow随机数生成

import numpy as np
seed = 10
 # 基于seed产生随机数，这是根据随机种子产生随机数的一种常用方法，要熟练运用
rdm = np.random.RandomState(seed)#random.RandomState随机数生成器
a = rdm.uniform(1,2,(3,4))   #产生1-2之间,3行4列
print(a)

结果:

[[1.77132064 1.02075195 1.63364823 1.74880388]
 [1.49850701 1.22479665 1.19806286 1.76053071]
 [1.16911084 1.08833981 1.68535982 1.95339335]]

import tensorflow as tf
import numpy as np
from numpy import *
def tf_run(s):
    with tf.Session() as sess:
        print(sess.run(s) , "\n")

        
#（1）tf.random_normal()     生成正态分布随机数
# 表示生成正态分布随机数，形状两行三列，标准差是2，均值是0，随机种子是1
r = tf.random_normal([2,3],stddev=2, mean=0, seed=1) 
print("tf.random_normal()     生成正态分布随机数")
tf_run(r)



#（2）tf.truncated_normal()  生成去掉过大偏离点的正态分布随机数，
# 也就是如果随机生成的数据偏离平均值超过两个标准差，这个数据将重新生成
r = tf.truncated_normal([2,3],stddev=2, mean=0, seed=1)
print("tf.truncated_normal()  生成去掉过大偏离点的正态分布随机数")
tf_run(r)

# (3) tf.random_uniform()    生成均匀分布随机数
r = tf.random_uniform([2,3],minval=0,maxval=1,dtype=tf.float32,seed=1)
# 表示从一个均匀分布[minval maxval)中随机采样,产生的数是均匀分布的，
# 注意定义域是左闭右开，即包含 minval，不包含 maxval。 
print("tf.random_uniform()  生成均匀分布随机数")
tf_run(r)


# (4)
'''
tf.zeros             表示生成全 0 数组
tf.ones              表示生成全 1 数组
tf.fill                  表示生成全定值数组
tf.constant        表示生成直接给定值的数组

'''
print("------------")
print(np.zeros([3,2], dtype=int32))
print("------------")

tf_run(  tf.zeros([3,2], int32)     )  # 表示生成[[0,0],[0,0],[0,0]]
tf_run(  tf.ones([3,2],  int32)       )   # 表示生成[[1,1],[1,1],[1,1]
tf_run(  tf.fill([3,2],  6)           )   # 表示生成[[6,6],[6,6],[6,6]]
tf_run(  tf.constant([3,2,1])       )   # 表示生成[3,2,1]

结果:

tf.random_normal()     生成正态分布随机数
[[-1.6226364   2.9691975   0.13065875]
 [-4.8854084   0.1984968   1.1824486 ]] 

tf.truncated_normal()  生成去掉过大偏离点的正态分布随机数
[[-1.6226364   2.9691975   0.13065875]
 [ 0.1984968   1.2793941   3.2217424 ]] 

tf.random_uniform()  生成均匀分布随机数
[[0.2390374  0.92039955 0.05051243]
 [0.49574447 0.8355223  0.02647042]] 

------------
[[0 0]
 [0 0]
 [0 0]]
------------
[[0 0]
 [0 0]
 [0 0]] 

[[1 1]
 [1 1]
 [1 1]] 

[[6 6]
 [6 6]
 [6 6]] 

[3 2 1]