python tf.random_uniform与np.random_uniform有什么区别
展开全部
首先应该是np.random.uniform
这两个回答多少有点大病
两者虽然函数名相同,但属于不同的库,一个是TensorFlow的,一个是numpy的。
就好比你家也有冰箱我家也有冰箱一样。
tf.random.uniform的属性变量包括:
shape: 输出张量的形状,比如矩阵或者向量的维度
mean: 正态分布的均值,默认为0
stddev: 正态分布的标准差,默认为1.0
dtype: 输出的类型,默认为tf.float32
seed: 随机数种子,是一个整数,当设置之后,每次生成的随机数都一样
name: 操作的名称
np.random.uniform的属性变量包括:
low: 采样下界,float类型,默认值为0
high: 采样上界,float类型,默认值为1
size: 输出样本数目,为int或元组(tuple)类型
tensorflow是生成均匀分布,而numpy则是在分布中做随机采样
这两个回答多少有点大病
两者虽然函数名相同,但属于不同的库,一个是TensorFlow的,一个是numpy的。
就好比你家也有冰箱我家也有冰箱一样。
tf.random.uniform的属性变量包括:
shape: 输出张量的形状,比如矩阵或者向量的维度
mean: 正态分布的均值,默认为0
stddev: 正态分布的标准差,默认为1.0
dtype: 输出的类型,默认为tf.float32
seed: 随机数种子,是一个整数,当设置之后,每次生成的随机数都一样
name: 操作的名称
np.random.uniform的属性变量包括:
low: 采样下界,float类型,默认值为0
high: 采样上界,float类型,默认值为1
size: 输出样本数目,为int或元组(tuple)类型
tensorflow是生成均匀分布,而numpy则是在分布中做随机采样
展开全部
tf.random_uniform:产生均匀分布的随机张量
np.random_uniform:产生的是float类型的变量
例子1:
import numpy as np
print(type(np.random.uniform(-1,1)))
print(np.random.uniform(-1,1))
输出:
<class 'float'>
-0.31739327312993604
例子2:
import tensorflow as tf
with tf.Session() as sess:
print(sess.run(tf.random_uniform((1,1),-1,1)))
输出:
[[-0.3384478]]
<class 'tensorflow.python.framework.ops.Tensor'>
np.random_uniform:产生的是float类型的变量
例子1:
import numpy as np
print(type(np.random.uniform(-1,1)))
print(np.random.uniform(-1,1))
输出:
<class 'float'>
-0.31739327312993604
例子2:
import tensorflow as tf
with tf.Session() as sess:
print(sess.run(tf.random_uniform((1,1),-1,1)))
输出:
[[-0.3384478]]
<class 'tensorflow.python.framework.ops.Tensor'>
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
2017-12-16 · 百度知道合伙人官方认证企业
育知同创教育
1【专注:Python+人工智能|Java大数据|HTML5培训】 2【免费提供名师直播课堂、公开课及视频教程】 3【地址:北京市昌平区三旗百汇物美大卖场2层,微信公众号:yuzhitc】
向TA提问
关注
展开全部
import tensorflow as tf
import numpy as np
with tf.Session() as sess:
print(sess.run(tf.random_uniform(
(4, 4), minval=-0.5,
maxval=0.5,dtype=tf.float32)))
本回答被网友采纳
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询