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
    • 案例二 结果一样
  • 随机函数
    • 正态分布
    • 截断正态分布
    • 均匀分布
    • 数据重排
      • 例子

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)

例子