根据官网，地址如下：
https://www.w3cschool.cn/doc_numpy_1_11/numpy_1_11-generated-numpy-random-gamma.html?lang=en
#需要导入的库
import numpy as np
import matplotlib.pyplot as plt
import scipy.special as sps
shape,scale=2.,2.
s=np.random.gamma(shape,scale,1000)
count, bins, ignored = plt.hist(s, 50, normed=True)#50：是50个条形图
根据伽马分布的概率密度
伽马分布常被用来模拟电子元件的失效时间，
并且在泊松分布事件之间的等待时间相关的过程中自然产生。
y=bins**(shape-1)*(np.exp(-bins/scale)/(sps.gamma(shape)*scale**shape))
plt.plot(bins,y,linewidth=2,color='r')
plt.show()
运行以上代码如下：
感悟：
“无论哪个行业，老手讲质量，新手拼价格，遇到便宜的不是你捡到宝了，而是被新手练手”这句话是在一个老师里口中说的，觉得很经典就偷偷的记下来，谢谢老师！
python中numpy.random.gamma()函数根据官网，地址如下：https://www.w3cschool.cn/doc_numpy_1_11/numpy_1_11-generated-numpy-random-gamma.html?lang=en#需要导入的库import numpy as npimport matplotlib.pyplot as pltimport ...
伽玛
函数
（
Gamma
函数
），也叫欧拉第二积分，是阶乘
函数
在实数与复数上扩展的一类
函数
。该
函数
在分析学、概率论、偏微分方程和组合数学
中
有重要的应用。与之有密切联系的
函数
是贝塔
函数
，也叫第一类欧拉积分。可以用来快速计算同伽马
函数
形式相类似的积分。
对于正整数X>1，具有如下性质：
Γ(n+1)=nΓ(n) , n>0
Gamma
函数
图像
# -*- coding:utf-8 ...
var
random
= require ( 'distributions-
gamma
-
random
' ) ;
random
（[dims] [，opts]）
创建一个或填充了来自的。 dims参数可以是指定length的正integer也可以是指定尺寸的正integers array 。 如果未提供dims参数，则该
函数
从
gamma
分布返回一个随机抽奖。
var out ;
// Set seed
random
. seed = 2 ;
out =
random
( 5 ) ;
// returns [ ~0.192, ~0.319, ~0.714, ~0.861, ~0.974 ]
out =
random
albumentations包是一种针对数据增强专门写的API，里面基本包含大量的数据增强手段，其特点：
1、Albumentations支持所有常见的计算机视觉任务，如分类、语义分割、实例分割、目标检测和姿态估计。
2、该库提供了一个简单统一的API，用于处理所有数据类型:图像(rbg图像、灰度图像、多光谱图像)、分割掩码、边界框和关键点。
3、该库包含70多种不同的增强功能，可以从现有数据
中
生成新的训练样本。
4、Albumentations快。我们对每个新版本进行基准测试，以确保增强功
生成偏随机偏态分布的核心就是伽马
函数
np
.
random
.
gamma
()
伽玛分布（
Gamma
Distribution）是统计学的一种连续概率
函数
，是概率统计
中
一种非常重要的分布。“指数分布”和“卡方分布”都是伽马分布的特例。
import
numpy
as
np
import matplotlib.pyplot as plt
shape, scale = 2., 3.
s =
np
.
random
.
gamma
(shape, scale, 2000) / 20 + 0.001 # 生成2000个随
NumPy
（Numerical
Python
）是
Python
语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学
函数
库。如果你使用
Python
语言进行科学计算，那么一定会接触到
NumPy
。
NumPy
的英文全称为 Numerical
Python
，意味
Python
面向数值计算的第三方库。
NumPy
的特点在于，针对
Python
内建的数组类型做了扩充，支持更高维度的数组和矩阵运算，以及更丰富的数学
函数
。
np
.
random
.randint()
np
.
random
.randn()
np
.
random
.rand()
np
.
random
.randint()
参数如下：
numpy
.
random
.randint(low, high=None, size=None, dtype='l')
函数
的作用是，返回一个随机整型数，其范围为[low, high)。如果没有写参数high的值，返回[0,low)的值。
low: int表示生成的数值大于等于low。
high: int (可选)，如果使用这个值，则生成的数值在[l.
文章目录1. 随机抽样2. 随机排序3. 随机分布4. 随机种子
平时都会使用到随机模块，一般是torch.
random
或者是
numpy
.
random
，有或者是直接使用ramdom这个
python
内置的工具包，那么下面就简单记录一下
numpy
.
random
常用的
函数
。
1. 随机抽样
import
numpy
as
np
np
.
random
.randn(3,3) # 从标准正太分布
中
返回样本
np
.
random
.rand(3,3) # 从0-1均匀分布分布
中
返回样本
np
.ra.
Random
State
Random
State exposes a number of methods for generating
random
numbersdrawn from a variety of probability distributions.
使用...
#TODO 1 [0, 1) 区间随机生成一个指定维度数组
a=
np
.
random
.rand(2, 5) #生成一个2行5列的二维数组，值随机在[0, 1) 区间.值类型float64
print(a)
[[0.69972014 0.75348206 0.83342597 0.
