Numpy的rand()和randn()函数有何具体用法及它们之间的差异？

本文共计1072个文字，预计阅读时间需要5分钟。

numpy.random.rand(d0, d1, ..., dn)生成的随机样本位于[0, 1]区间内，返回的是从0~1均匀分布的随机样本。numpy.random.randn(d0, d1, ..., dn)则从标准正态分布中返回一个或多个随机样本。

numpy.random.rand(d0, d1, …, dn)的随机样本位于[0, 1)中：本函数可以返回一个或一组服从**“0~1”均匀分布**的随机样本值。

numpy.random.randn(d0, d1, …, dn)是从标准正态分布中返回一个或多个样本值。

1. np.random.rand()

语法：

np.random.rand(d0,d1,d2……dn)
注：使用方法与np.random.randn()函数相同

作用：
通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。

应用：在深度学习的Dropout正则化方法中，可以用于生成dropout随机向量（dl），
例如（keep_prob表示保留神经元的比例）：

dl = np.random.rand(al.shape[0],al.shape[1]) < keep_prob

举例：

注：

均匀分布:

也叫矩形分布，它是对称概率分布，在相同长度间隔的分布概率是等可能的。