tensorflow | 随机数

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

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券