numpy里的random类的使用

numpy模块中的random类里包含有多种方法，这里记录下经常遇到的产生随机数的一些函数

1、np.random.random(size=none)产生一个大小为size、值为0.0-1.0之间的随机浮点数，这个size参数也可以省略，省略代表生成一个数；

2、np.random.randn(d0,d1,d2,...,dn)产生一个或者多个服从标准正太分布的数，若只有一个参数，则生成一个行向量，若有两个参数，则生成一个矩阵，以此类推。。。

3、np.random.rand(d0,d1,d2,...,dn)产生[0,1]之间的随机数，参数的意义同2；

4、np.random.randint(low,high=none,size=none)产生一个[low,high）之间且大小为size的随机整数

5、np.random.RandomState(某个数值)指定一个随机数种子，指定随机数种子以后每次生成的随机数都会是一样的，比如输入

import numpy as np

a=np.random.RandomState(23).randint(8)生成0-7之间的一个整数，不管你输入这个命令多少次，每次产生的随机整数都会是一样的

6、np.random.normal(loc=*,scale=*,size-none)产生一个均值为loc、标准差为scale、大小为size的的服从高斯分布的随机数

7、tensorflow中tf.multiply(x1,x2)和tf.matmul(x1,x2)的区别

tf.multiply(x1,x2)是点乘，要求x1,x2这两个矩阵或者向量必须维度一样，而tf.matmul(x1,x2)是标准的矩阵乘法