- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
在我的深度学习练习中,我必须初始化一个与 A1 大小相同的参数 D1,所以我所做的是:
D1 = np.random.randn(A1.shape[0],A1.shape[1])
但是在计算进一步的方程后,当我检查结果时,它们不匹配,然后在正确阅读文档后,我发现他们说使用 rand 而不是 randn 初始化 D1;
D1 = np.random.rand(A1.shape[0],A1.shape[1])
但是他们没有具体说明其原因,因为代码在这两种情况下都有效,并且该练习也有一个文档,所以我找出了错误,但是如何,何时和为什么从这两者中进行选择?
最佳答案
rand
之间的区别和 randn
是(除了字母n
),rand
返回从 uniform distribution 采样的随机数在区间 [0,1) 上,而 randn
则从 normal (a.k.a. Gaussian) distribution 中采样均值为 0,方差为 1。
换句话说,rand
生成的随机数的分布如下所示:
在均匀分布中,所有随机值都限制在特定区间内,并且均匀分布在该区间内。例如,如果您使用 rand
生成 10000 个随机数,您会发现其中大约 1000 个在 0 到 0.1 之间,大约 1000 个在 0.1 到 0.2 之间,大约 1000 个在 0.2 之间和0.3,等等。 所有都将在 0 到 1 之间 - 你永远不会得到任何超出该范围的值。
同时,randn
的分布如下所示:
均匀分布和正态分布之间的第一个明显区别是正态分布没有上限或下限 - 如果您使用 randn
生成足够的随机数,您最终会得到一个如下所示的随机数:大或小随你喜欢(好吧,无论如何,要受到用于存储数字的浮点格式的限制)。但您得到的大多数数字仍然相当接近于零,因为正态分布并不平坦:randn
的输出更有可能落在 0 和 0.1 之间大于 0.9 到 1 之间,而对于 rand
来说,这两种情况的可能性是相同的。事实上,如图所示,大约 68% 的 randn 输出落在 -1 和 +1 之间,而 95% 落在 -2 和 +2 之间,大约 99.7% 落在 -3 和 +1 之间。 +3。
这是完全不同的概率分布。如果你把其中一个换成另一个,事情几乎肯定会崩溃。如果代码不是简单地崩溃,那么您几乎肯定会得到不正确和/或无意义的结果。
关于python - 何时使用 numpy.random.randn(...) 以及何时使用 numpy.random.rand(...)?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57863277/
作为脚本的输出,我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)? 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现? (正如 user2357112 所指出的,我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此,我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中,我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗?或者任何数字都可以吗?选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容,处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB,我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成,例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式,我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索,这与堆栈中之前的其他问题不同,因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同,但与 M1 任何其他行中的数组形状不同。 也就是说, M1 = [ [
如何使用爱因斯坦表示法编写以下点积? import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以,我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000),其中只有对角线填充了数据,而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组? 到目前为止,我发现
我是一名优秀的程序员,十分优秀!