深度学习 nd.random.normal()

nd.random.normal() 是 MXNet 中用于生成符合正态分布（高斯分布）随机数的函数。它允许用户指定均值、标准差以及生成的随机数的形状。

函数签名

mx.nd.random.normal(loc=0.0, scale=1.0, shape=(1,))

参数

• loc: 生成的随机数的均值，默认为 0.0。
• scale: 生成的随机数的标准差，默认为 1.0。
• shape: 输出数组的形状，需为一个元组，默认是 (1,)，即生成一个单一的随机数。

示例

import mxnet as mx

# 生成一个均值为 0，标准差为 1 的 2x3 的数组
random_array = mx.nd.random.normal(loc=0.0, scale=1.0, shape=(2, 3))
print(random_array)

注意事项

• 每次调用 nd.random.normal() 都会生成新的随机数，如果需要重现相同的随机序列，可以使用 mx.random.seed() 设置随机种子。
• 生成的随机数可以用于初始化模型参数或进行数据增强等多种用途。

示例：设置随机种子

# 设置随机种子
mx.random.seed(42)

# 生成随机数
random_array1 = mx.nd.random.normal(loc=0.0, scale=1.0, shape=(2, 3))
print(random_array1)

# 生成相同的随机数
random_array2 = mx.nd.random.normal(loc=0.0, scale=1.0, shape=(2, 3))
print(random_array2)

使用 nd.random.normal() 可以快速生成符合正态分布的随机数据，这在机器学习和深度学习中是非常常见的操作。 

原文地址：https://blog.csdn.net/2302_79865304/article/details/142903240

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！