np.random.rand

np.random.rand 是 NumPy 库中一个常用的函数，用于创建包含随机数（浮点数）的数组。

---

np.random.rand 详解

1. 核心功能

np.random.rand 生成的随机数服从**[0.0, 1.0) 范围内的均匀分布（Uniform Distribution）**。

• 均匀分布： 这意味着在这个范围内的任何值被生成的概率都是相等的。
• 范围： 包含 0.0，但不包含 1.0。

2. 用法

它最常见的用法是直接传入你想要的数组的维度作为参数。

语法： np.random.rand(d1, d2, ..., dn)

示例代码	数组形状 (Shape)	描述
np.random.rand(5)	(5,)	生成 5 个 0 到 1 之间的随机浮点数（一维数组）。
np.random.rand(2, 3)	(2, 3)	生成一个 2 行 3 列的数组，所有元素都是 0 到 1 之间的随机浮点数。
np.random.rand(4, 5, 6)	(4, 5, 6)	生成一个三维数组。

3. 在 Dropout 中的应用

在你实现的 Dropout 类中，np.random.rand 用于生成随机掩码来决定哪些神经元应该被丢弃：

# Dropout 类的 forward 部分
self.mask = (np.random.rand(*x.shape) > self.p)

这里的执行步骤是：

1. *x.shape： 这会解包输入数据 x 的形状（例如 (200, 512)）。
2. np.random.rand(*x.shape)： 生成一个与输入数据 x 形状完全相同的数组，其中每个元素都是 0 到 1 之间的随机浮点数。
3. > self.p： 将这个随机数组中的每个元素与丢弃概率 self.p（例如 0.5）进行比较。
   • 如果随机数大于 0.5，结果为 True（该神经元被保留）。
   • 如果随机数小于等于 0.5，结果为 False（该神经元被丢弃）。
4. self.mask： 最终得到了一个与输入数据同形状的布尔型掩码，用于控制哪些神经元在训练时是激活的。