WOLFRAM

Wolfram 语言与系统参考资料中心

RandomArrayLayer[dist]

表示没有输入的网络层，根据单变量分布 dist 生成随机数组.

RandomArrayLayer[dfunc]

对每个输入值使用单变量分布 dfunc[input].

更多信息和选项
Details and Options Details and Options
范例  
基本范例  
范围  
Arguments  
Ports  
应用  
参见
相关指南
历史
按以下格式引用：

RandomArrayLayer

RandomArrayLayer[dist]

表示没有输入的网络层，根据单变量分布 dist 生成随机数组.

RandomArrayLayer[dfunc]

对每个输入值使用单变量分布 dfunc[input].

更多信息和选项

范例

打开所有单元 关闭所有单元

基本范例  (2)

创建一个从单位正态分布中抽取 3 个样本的网络层：

Wolfram Language code: ra = RandomArrayLayer[NormalDistribution[], "Output" -> 3]

给出一个随机向量：

Wolfram Language code: ra[]

创建一个从独立的正态分布中抽取样本的网络层，该正态分布的均值由输入确定：

Wolfram Language code: ra = RandomArrayLayer[NormalDistribution[#, 1]&]

给定均值，给出一个随机向量：

Wolfram Language code: ra[{-10, 0, 10}]

范围  (3)

Arguments  (2)

创建一个从独立的正态分布中抽取实数的网络层，该正态分布的均值和标准偏差由输入确定：

Wolfram Language code: ra = RandomArrayLayer[NormalDistribution[#1, #2]&]

给定高斯分布的均值和标准偏差，给出一个随机向量：

Wolfram Language code: ra[{{-10, 0, 10}, {0.01, 1, 100}}]

创建具有自定义输入端口名称的同一网络层：

Wolfram Language code: ra = RandomArrayLayer[NormalDistribution[#μ, #σ]&]

用该网络层给出随机数字：

Wolfram Language code: ra[<|"μ" -> {-10, 0, 10}, "σ" -> {0.01, 1, 100}|>]

创建一个从给定范围内抽取整数的网络层：

Wolfram Language code: ra = RandomArrayLayer[DiscreteUniformDistribution[{1, #Max}]&]

给定上限，给出随机整数：

Wolfram Language code: ra[{10, 100, 1000}]

Ports  (1)

创建抽取与给定输入长度相同的有界整数序列的网络层：

Wolfram Language code: ra = RandomArrayLayer[DiscreteUniformDistribution[{1, 3}]&, "Inputs" -> {"Varying"}]

给定不同的长度，给出整数序列：

Wolfram Language code: ra[Range /@ {1, 3, 6, 12}]

应用  (2)

构建一个网络，求一个数组和一个从高斯分布中抽取的随机向量的和：

Wolfram Language code: noiser = NetGraph[{RandomArrayLayer[NormalDistribution[0, 0.2]], Plus}, {{1, NetPort["Input"]} -> 2}]

将该网络应用于矩阵：

Wolfram Language code: noiser[(⁠| | | | | -- | -- | -- | | 1 | 2 | 3 | | -1 | -2 | -3 |⁠)]//MatrixForm

将该网络应用于不同长度的列表：

Wolfram Language code: noiser[{{1, 2}, {1, 0, -1, -2, -3}}]

通过添加一个输入 NetEncoder 和输出 NetDecoder，生成一个将噪声添加到图像中的网络：

Wolfram Language code: imagenoiser = NetReplacePart[noiser, {"Input" -> NetEncoder["Image"], "Output" -> NetDecoder["Image"]}]

对图像应用该网络：

Wolfram Language code: imagenoiser[[image]]

构建一个网络，用特定整数值作为掩模，应用于整数向量，变换一个值的概率为 0.3：

Wolfram Language code: integerpadder = NetGraph[{RandomArrayLayer[BernoulliDistribution[0.3]], ThreadingLayer[If[#1 > 0, 4, #2]&]}, {{1, NetPort["Input"]} -> 2}, "Input" -> {Automatic, Restricted["Integer", 3]}]

对一些输入应用随机掩模：

Wolfram Language code: integerpadder[{{1, 2, 3, 1, 2, 3}, {3, 2, 1, 3, 2, 1, 3, 2, 1, 3, 2, 1}}]
Wolfram Research (2020)，RandomArrayLayer，Wolfram 语言函数，https://reference.wolfram.com/language/ref/RandomArrayLayer.html.

文本

Wolfram Research (2020)，RandomArrayLayer，Wolfram 语言函数，https://reference.wolfram.com/language/ref/RandomArrayLayer.html.

CMS

Wolfram 语言. 2020. "RandomArrayLayer." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/RandomArrayLayer.html.

APA

Wolfram 语言. (2020). RandomArrayLayer. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/RandomArrayLayer.html 年

BibTeX

@misc{reference.wolfram_2026_randomarraylayer, author="Wolfram Research", title="{RandomArrayLayer}", year="2020", howpublished="\url{https://reference.wolfram.com/language/ref/RandomArrayLayer.html}", note=[Accessed: 12-July-2026]}

BibLaTeX

@online{reference.wolfram_2026_randomarraylayer, organization={Wolfram Research}, title={RandomArrayLayer}, year={2020}, url={https://reference.wolfram.com/language/ref/RandomArrayLayer.html}, note=[Accessed: 12-July-2026]}