本页对应的英文页面已更新，但尚未翻译。 若要查看最新内容，请点击此处访问英文页面。

rand

均匀分布的随机数

全页折叠

语法

X = rand
X = rand(n)
X = rand(sz1,...,szN)
X = rand(sz)
X = rand(___,typename)
X = rand(___,'like',p)

说明

示例

X = rand 返回一个在区间 (0,1) 内均匀分布的随机数。

示例

X = rand(n) 返回一个 n×n 的随机数矩阵。

示例

X = rand(sz1,...,szN) 返回由随机数组成的 sz1×...×szN 数组，其中 sz1,...,szN 指示每个维度的大小。例如：rand(3,4) 返回一个 3×4 的矩阵。

示例

X = rand(sz) 返回由随机数组成的数组，其中大小向量 sz 指定 size(X)。例如：rand([3 4]) 返回一个 3×4 的矩阵。

示例

X = rand(___,typename) 返回由 typename 数据类型的随机数组成的数组。typename 输入可以是 'single' 或 'double'。您可以使用上述语法中的任何输入参数。

示例

X = rand(___,'like',p) 返回由 p 等随机数组成的数组；也就是与 p 同一对象类型。您可以指定 typename 或 'like'，但不能同时指定两者。

注意

不建议对 rand 函数使用 'seed'、'state' 和 'twister' 输入。改用 rng 函数。有关详细信息，请参阅更换不推荐的 rand 和 randn 语法。

示例

全部折叠

打开实时脚本

生成一个由介于 0 和 1 之间的均匀分布的随机数组成的 5×5 矩阵。 

r = rand(5)
r = 5×5

    0.8147    0.0975    0.1576    0.1419    0.6557
    0.9058    0.2785    0.9706    0.4218    0.0357
    0.1270    0.5469    0.9572    0.9157    0.8491
    0.9134    0.9575    0.4854    0.7922    0.9340
    0.6324    0.9649    0.8003    0.9595    0.6787
打开实时脚本

生成一个由区间 (-5,5) 内均匀分布的数字组成的 10×1 列向量。 

r = -5 + (5+5)*rand(10,1)
r = 10×1

    3.1472
    4.0579
   -3.7301
    4.1338
    1.3236
   -4.0246
   -2.2150
    0.4688
    4.5751
    4.6489

一般来说，可以使用公式 r = a + (b-a).*rand(N,1) 生成区间 (a,b) 内的 N 个随机数。

打开实时脚本

使用 randi 函数（而不是 rand）生成在 10 和 50 之间均匀分布的 5 个随机整数。 

r = randi([10 50],1,5)
r = 1×5

    43    47    15    47    35
打开实时脚本

生成一个实部和虚部位于区间 (0,1) 内的随机复数。 

a = rand + 1i*rand
a = 0.8147 + 0.9058i
打开实时脚本

保存随机数生成器的当前状态并创建一个由随机数组成的 1×5 向量。 

s = rng;
r = rand(1,5)
r = 1×5

    0.8147    0.9058    0.1270    0.9134    0.6324

将随机数生成器的状态恢复为 s，然后创建一个由随机数组成的新 1×5 向量。值与之前相同。 

rng(s);
r1 = rand(1,5)
r1 = 1×5

    0.8147    0.9058    0.1270    0.9134    0.6324

始终使用 rng函数（而不是 rand 或 randn 函数）指定随机数生成器的设置。有关详细信息，请参阅 更换不推荐的 rand 和 randn 语法。

打开实时脚本

创建一个由随机数组成的 3×2×3 数组。 

X = rand([3,2,3])
X = 
X(:,:,1) =

    0.8147    0.9134
    0.9058    0.6324
    0.1270    0.0975


X(:,:,2) =

    0.2785    0.9649
    0.5469    0.1576
    0.9575    0.9706


X(:,:,3) =

    0.9572    0.1419
    0.4854    0.4218
    0.8003    0.9157
打开实时脚本

创建一个由其元素为单精度值的随机数组成的 1×4 向量。 

r = rand(1,4,'single')
r = 1x4 single row vector

    0.8147    0.9058    0.1270    0.9134


class(r)
ans = 
'single'
打开实时脚本

创建一个由正态分布的随机数组成并且大小与现有数组相同的矩阵。 

A = [3 2; -2 1];
sz = size(A);
X = rand(sz)
X = 2×2

    0.8147    0.1270
    0.9058    0.9134

它是一种将前两行代码合并成一行的常见模式： 

X = rand(size(A));
打开实时脚本

创建一个由单精度随机数组成的 2×2 矩阵。 

p = single([3 2; -2 1]);

创建一个与 p 具有相同大小和数据类型的由随机数组成的数组。 

X = rand(size(p),'like',p)
X = 2x2 single matrix

    0.8147    0.1270
    0.9058    0.9134


class(X)
ans = 
'single'

如果您拥有 Parallel Computing Toolbox™，请创建一个由 single 基础数据类型的随机数组成的 1000×1000 分布式数组。对于 distributed 数据类型，'like' 语法除了克隆主数据类型，还克隆基础数据类型。

p = rand(1000,'single','distributed');
Starting parallel pool (parpool) using the 'local' profile ...
connected to 6 workers.

创建一个与 p 具有相同大小、主数据类型和基础数据类型的由随机数组成的数组。

X = rand(size(p),'like',p);
class(X)
ans =

distributed
classUnderlying(X)
ans =
single

输入参数

全部折叠

方阵的大小，指定为整数值。

  • 如果 n 为 0，则 X 为一个空矩阵。

  • 如果 n 为负数，则将其视为 0。

数据类型： single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

每个维度的大小，指定为包含整数值的单独参数。

  • 如果任何维度的大小为 0，则 X 为空数组。

  • 如果任何维度的大小为负值，则其将被视为 0。

  • 对于第二个维度以上的维度，rand 忽略大小为 1 的尾部维度。例如，rand(3,1,1,1) 生成由随机数组成的 3×1 向量。

数据类型： single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

每个维度的大小，指定为由整数组成的行向量。此向量的每个元素指示对应维度的大小：

  • 如果任何维度的大小为 0，则 X 为空数组。

  • 如果任何维度的大小为负值，则其将被视为 0。

  • 对于第二个维度以上的维度，rand 忽略大小为 1 的尾部维度。例如，rand([3,1,1,1]) 生成由随机数组成的 3×1 向量。

示例： sz = [2,3,4] 创建一个 2×3×4 数组。

数据类型： single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

要创建的数据类型（类），指定为 'double'、'single'、、、、、、、、、 或提供 rand 支持的其他类的名称。

示例： rand(5,'single')

要创建的数组的原型，指定为数值数组。

示例： rand(5,'like',p)

数据类型： single | double
复数支持： 是

提示

  • rand 生成的数字序列由均匀伪随机数生成器的内部设置决定，该生成器是 rand、randi 和 randn 的基础。您可以使用 rng 控制这一共享的随机数生成器。

扩展功能

另请参阅

| | | | | |

主题

在 R2006a 之前推出


MATLAB 文档
支持
Introducing Deep Learning with MATLAB

Introducing Deep Learning with MATLAB

Download ebook