当我们使用Numpy或者有时需要使用随机数来初始化矩阵时，randn和rand是两个比较常用的函数。 两者的用法类似。 在numpy中，函数形式为：

numpy.random.randn(d0, d1, d2, ..., dn)
numpy.random.rand(d0, d1, d2, ..., dn)

中的函数形式为：

torch.randn(d0, d1, d2, ..., dn)
torch.rand(d0, d1, d2, ..., dn)

在一些教程中，您经常看到作者在编写代码时将两者混合在一起。 事实上，它们之间存在一些差异。 具体来说，randn 从标准正态分布中返回一个或多个样本值。 正态分布，即这些随机数的期望为0，方差为1； rand 将生成 [0, 1) 之间的随机数。 关于记忆方法，我们可以将randn中的n视为正态分布中“”的缩写()。

Numpy-randn

Numpy-rand

- 兰登

-兰德

另外， 中也有类似功能的函数，根据其命名很容易推断出其功能。 用于生成正态分布的函数是：

tf.random_normal()

常用的参数有(shape,,mean,dtype)；

用于生成[0,1)之间的随机数的函数是：

tf.random_uniform()

默认情况下，会生成 0 到 1 之间的随机数，但您也可以指定上限和下限。