np.random.normal

这篇具有很好参考价值的文章主要介绍了np.random.normal。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

np.random.normal函数是numpy库中用于生成正态分布(也叫高斯分布)随机数的函数。

normal------>正态

参数

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

该函数有三个参数:loc, scale, size

loc表示随机数的期望值(对应着整个分布的中心)。float ,loc=0说明这一个以Y轴为对称轴的正态分布

scale表示随机数的标准差。float ,(对应于分布的宽度,scale越大越矮胖,scale越小,越瘦高)

size表示生成的随机数的个数。int or tuple of ints 输出的shape,默认为None,只输出一个值

使用


import numpy as np


a = np.random.normal(1,1)
print(a)

b = np.random.normal(2,1,(2,2))
print(b)

输出结果为:文章来源地址https://www.toymoban.com/news/detail-735476.html

np.random.normal,numpy,python,机器学习

到了这里,关于np.random.normal的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • NumPy的np.random.rand()用法

    np.random.rand() 是NumPy库中的函数,用于生成在[0, 1)区间内均匀分布的随机数,可以接受多个整数参数,用于指定生成数组的形状。 生成一个随机标量: 生成一个一维随机数组: 生成一个二维随机数组: 生成一个多维随机数组: 在其他区间生成随机数,例如,在[a, b)区间生成

    2024年02月05日
    浏览(60)
  • numpy抽样函数 np.random.choice用法详解

    顾名思义,抽样函数,定义如下: 参数说明: a :待抽样的样本(一维数组或整数) size: 输出大小,默认返回单个元素 replace : 抽样后的元素是否可重复,默认是 p: 每个样本点被抽样的概率,默认均匀抽样 举例如下: 从[1,2,3,4,5]中随机抽三个元素,可重复,概率分别为[0.1,

    2024年02月15日
    浏览(34)
  • Python中Numpy的np.array详解

    np.array 用于创建一个新的NumPy数组对象。其语法如下: object :任何可用于初始化新数组的对象,例如列表、元组、数组等。 dtype :新数组的数据类型。如果未指定,则会从输入对象中推断数据类型。 其他参数允许进一步控制新数组的创建。 返回一个新的NumPy数组。 示例

    2024年02月08日
    浏览(38)
  • python中使用numpy包的向量矩阵相乘np.dot和np.matmul

    一直对np的线性运算不太清晰,正好上课讲到了,做一个笔记整个理解一下  在numpy中,一重方括号表示的是向量vector,vector没有行列的概念。二重方括号表示矩阵matrix,有行列。 代码显示如下: 即使[1,2,3]、[[1,2,3]]看起来内容一样 使用过程中也会有完全不一样的变化。下面

    2024年01月25日
    浏览(36)
  • Python numpy中random函数的使用

    np.random:随机数的生成 np.random.random() np.random.random(size) np.random.random([m,n])或np.random.random((m,n)) np.random.rand(m,n) 与np.random.random((m,n))作用一样,但是参数形式不同。 np.random.randint(a,b,size) np.random.uniform(a,b,size) np.random.normal():均值为0,标准差为1【无参默认值】 np.random.normal(a,b) n

    2023年04月08日
    浏览(26)
  • 【机器学习】随机种子Random Seed介绍(在Python、Pytorch、TensorFlow中的设置代码汇总)

    Random seed(随机种子) 是在生成随机数时使用的起始点。它用于控制随机数生成器产生随机数的序列。设置了随机种子后,每次生成的随机数序列将是确定性的,这意味着可以在不同的运行中获得相同的随机数序列,从而使实验可复现。 在机器学习中,确保实验的可复现性是

    2024年02月05日
    浏览(54)
  • np.random.randint

    np.random.randint 是 Numpy 库中的一个函数,用于生成随机整数。该函数的用法如下: np.random.randint(low, high=None, size=None, dtype=\\\'l\\\') 其中: low:生成的随机整数的下限(包含) high:生成的随机整数的上限(不包含) size:生成数组的形状 dtype:生成数组的数据类型 例如,以下代码生成一

    2024年02月04日
    浏览(26)
  • 深度学习中Numpy的一些注意点(多维数组;数据类型转换、数组扁平化、np.where()、np.argmax()、图像拼接、生成同shape的图片)

    a.shape=(3,2);既数组h=3,w=2 a.shape=(2,3,2);这里第一个2表示axis=0维度上的,三维数组中3,2)数组的个数,这里表示两个(3,2)数组。 这里axis=0指代哪里是很重要的知识点。深度学习中经常压缩一个维度,axis=0。 numpy.squeeze()函数。 语法:numpy.squeeze(a,axis = None);作用是将shape维度为

    2024年01月18日
    浏览(33)
  • np.random.shuffle()+random.seed()设定随机种子,多次打乱,打乱规则固定

    在打乱数据集的时候遇到了这样一个问题:我有两组数据集,一组是image,一组是mask(语义分割任务,与本文无关),image和mask里都是图片,且一一对应,即 image里的第一张图片对应mask里的第一张图片 ,不能乱,因此打乱数据集的时候要对image和mask 以同样的顺序打乱 。 比

    2024年02月04日
    浏览(32)
  • 【Python】数据科学工具(Numpy Pandas np.array() 创建访问数组 向量与矩阵 Series DataFrame)

    1.Numpy numpy是Python中一个非常重要的科学计算库,其最基础的功能就是N维数组对象——ndarray。 1.1 数组的创建 1)np.array() 用 np.array() 函数可以将Python的序列对象(如列表、元组)转换为ndarray数组。 2)arange、linspace、logspace np.arange(start, stop, step) :创建一个一维数组,其中的值

    2024年02月10日
    浏览(32)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包