一、np.random

1. np.random.RandomState

計(jì)算機(jī)實(shí)現(xiàn)的隨機(jī)數(shù)生成通常為偽隨機(jī)數(shù)生成器，為了使得具備隨機(jī)性的代碼最終的結(jié)果可復(fù)現(xiàn)，需要設(shè)置相同的種子值；

np.random.randn(…) ? rng = np.random.RandomState(123) rng.randn(…)

2. np.random.uniform()

從均勻分布[low,high)中采樣

numpy.random.uniform(low=0.0, high=1.0, size=None) #在[1,5)中進(jìn)行采樣，生成2行3列的矩陣 >>>import numpy as np >>>print(np.random.uniform(1, 5, (2, 3)))[[ 3.86929057 1.6650755 4.21656753][ 3.64720615 4.42138963 2.78659527]]

3. np.random.rand()

在[0,1)均勻分布中采樣

>>>import numpy as np >>>print(np.random.rand(1, 5)[[ 0.85000923 0.65510205 0.44457559 0.0549795 0.66601253]]

4. np.random.RandomState()

隨機(jī)數(shù)生成器（保證每次初始化的結(jié)果一樣）

>>>import numpy as np >>>rdm=np.random.RandomState(1) >>>print(rdm.rand(2,3))[[ 4.17022005e-01 7.20324493e-01 1.14374817e-04][ 3.02332573e-01 1.46755891e-01 9.23385948e-02]]

二、tf.reduce

TensorFlow有一類在在tensor的某一維度上求值的函數(shù)
1. 求最大值

tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None)
input_tensor：待求的值
reduction_indices：在哪一維上求解

2.求平均值
tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)

import tensorflow as tfx = tf.constant([[1, 2], [3, 4]],dtype=tf.float32)with tf.Session() as sess:print('x：\n',sess.run(x))print('第1維方向均值：\n', sess.run(tf.reduce_mean(x, 0)))print('第2維方向均值：\n',sess.run(tf.reduce_mean(x, 1)))

結(jié)果：

x：[[ 1. 2.][ 3. 4.]] 第1維方向均值：[ 2. 3.] 第2維方向均值：[ 1.5 3.5] 示例效果

tf.reduce_mean(x)==> 2.5	如果不指定第二個(gè)參數(shù)，那么就在所有的元素中取平均值
tf.reduce_mean(x, 0) ==> [2., 3.]	指定第二個(gè)參數(shù)為0，則第一維的元素取平均值，即每一列求平均值
tf.reduce_mean(x, 1) ==> [1.5, 3.5]	指定第二個(gè)參數(shù)為1，則第二維的元素取平均值，即每一行求平均值

總結(jié)

以上是生活随笔為你收集整理的TensorFlow（二）函数基础的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。