标签：rand None Numpy random seed 随机数 numpy size

方式一

常用函数

numpy.random.rand(d0, d1, ..., dn)  #产生均匀分布的随机数
numpy.random.randn(d0, d1, ..., dn)  # 产生标准正态分布随机数
numpy.random.randint(low, high=None, size=None, dtype=None)  # 生成在[low, high)范围内，形状为size的随机整数
numpy.random.random_sample(size=None)  # 生产形状为size的，范围在[0.0, 1.0)的均匀分布的随机数
numpy.random.random(size=None)  # 同random_sample
numpy.random.ranf(size=None)  # 同random_sample
numpy.random.sample(size=None)  # 同random_sample
# 注意：其中size可以是(a, b, c)或者[a, b, c]

设置随机数种子

numpy.random.seed(seed=None)  #设置随机数种子为seed

这里要注意的是，设置seed后，并不是让之后每个相通随机函数返回相同的值。而是让每次从头运行时，每个随机函数返回和上次运行时相同的值。

如：

np.random.seed(1)
a = np.random.rand(10)
b = np.random.rand(10)
c = np.random.rand(10)

如果执行一次上面的代码，那么a、b、c是各不相同的。

但如果第二次执行，那么得到的a'、b'、c'和上次的a、b、c对应相同。

方式二

rnd = np.random.RandomState(seed = 10)
rnd.rand()  # 效果同方式一

标签：rand,None,Numpy,random,seed,随机数,numpy,size
来源： https://www.cnblogs.com/amazingter/p/14220537.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。