numpy随机数产生

1、np.random.choice(a, size=None, replace=True, p=None)

函数作用是，返回数组，表示从a中随机选取size个数；

replace代表抽样后放不放回去，False不放回抽样，True放回抽样；

p表示每个元素被抽取的概率，如果没有指定，a中所有元素被选取的概率是相等的。

2、np.random.randint(low,high,size=None,dtype='l')

函数的作用是，返回一个随机整型数，范围从低（包括）到高（不包括），即[low, high)。

参数如下：

    low: int

    生成的数值最低要大于等于low。

    （hign = None时，生成的数值要在[0, low)区间内）

    high: int (可选)

    如果使用这个值，则生成的数值在[low, high)区间。

    size: int or tuple of ints(可选)

    输出随机数的尺寸，比如size = (m * n* k)则输出同规模即m * n* k个随机数。默认是None的，仅仅返回满足要求的单一随机数。

    dtype: dtype(可选)：

    想要输出的格式。如int64、int等等

输出：

    out: int or ndarray of ints

    返回一个随机数或随机数数组

3、np.random.normal(loc=0.0, scale=1.0, size=None)

函数作用：输出一个正态分布的随机数组

loc：float 此概率分布的均值（对应着整个分布的中心centre）

scale：float 此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）

size：int or tuple of ints 输出的shape，默认为None，只输出一个值

4、np.random.permutation(x)

函数作用：随机产生一个序列，或者返回一个排列范围，用于随机打散序列

x ：是一个数组

tensorflow随机数产生

1、tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None）

函数作用是：从截断的正态分布中输出随机值，这是一个截断的产生正态分布的函数，就是说产生正态分布的值如果与均值的差值大于两倍的标准差，那就重新生成

shape: 张量的形状，也是输出的张量。

mean: 正态分布的均值。

stddev: 正态分布的标准差。

dtype: 输出的类型。

seed: 一个整数，当设置之后，每次生成的随机数都一样。

name: 操作的名字。

5、tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

    函数作用：返回正态分布，大小为shape的数组

   shape: 输出张量的形状，必选

    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

6、tf.random_uniform(shape, minval=low,maxval=high,dtype=tf.float32)))

     函数作用，返回shape大小的矩阵，产生于low和high之间，产生的值是均匀分布的。

     shape: 输出张量的形状，必选

     minval:产生随机数的最小数

     maxval:产生随机数的最大数

     dtype: 输出的类型，默认为tf.float32

参考：https://blog.csdn.net/u011851421/article/details/83544853

           https://www.jianshu.com/p/e18fdc7b633a