1、numpy.random.randn()函数
np.random.randn(d0,d1,d2……dn)
1)当函数括号内没有参数时，则返回一个浮点数；
2）当函数括号内有一个参数时，则返回秩为1的数组，不能表示向量和矩阵；
3）当函数括号内有两个及以上参数时，则返回对应维度的数组，能表示向量或矩阵；
4）np.random.standard_normal()函数与np.random.randn()类似，但是np.random.standard_normal()的输入参数为元组（tuple）.
5)np.random.randn()的输入通常为整数，但是如果为浮点数，则会自动直接截断转换为整数。
#通过本函数可以返回一个或一组服从标准正态分布的随机样本值
2、np.random.rand(d0,d1,d2……dn)
注：使用方法与np.random.randn()函数相同
作用：
通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。
应用：在深度学习的Dropout正则化方法中，可以用于生成dropout随机向量（dl），例如（keep_prob表示保留神经元的比例）：dl = np.random.rand(al.shape[0],al.shape[1]) < keep_prob
3、 np.random.randint()函数
numpy.random.randint(low, high=None, size=None, dtype=’l’)
输入：
low—–为最小值
high—-为最大值
size—–为数组维度大小
dtype—为数据类型，默认的数据类型是np.int。
返回值：
返回随机整数或整型数组，范围区间为[low,high），包含low，不包含high；
high没有填写时，默认生成随机数的范围是[0,low)
import numpy as np #numpy.random.randn data_0=np.random.randn() data_0=np.random.randn(5,5) #numpy.random.rand() ####用法与numpy.random.randn()一样，只是加入参数的时候， data_2=np.random.rand(5) #numpy.random.randint() #numpy.random.randint(low, high=None, size=None, dtype=’l’) ''' low—–为最小值 high—-为最大值 size—–为数组维度大小 dtype—为数据类型，默认的数据类型是np.int。 返回值： 返回随机整数或整型数组，范围区间为[low,high），包含low，不包含high； high没有填写时，默认生成随机数的范围是[0，low） ''' data_3=np.random.randint(2,size=(5,5)) print(data_3) data_4=np.random.randint(1,20,size=(4,4),dtype='uint8') print(data_4)