theano.tensor.shared_randomstreamsRandomStreams()：共享随机数流的生成与应用实例

theano.tensor.shared_randomstreams.RandomStreams是Theano库中的一个类，用于生成共享的随机数流。它可以用于生成各种类型的随机数，并且可以在Theano的计算图中共享和重用。

首先，我们需要导入必要的模块：

import theano
import theano.tensor as T
from theano.tensor.shared_randomstreams import RandomStreams

接下来，我们可以创建一个随机数生成器对象：

random_stream = RandomStreams(seed=1234)

生成器的seed参数用于控制随机数的生成，可以通过改变seed值来得到不同的随机数序列。

一旦有了随机数生成器对象，我们就可以使用其方法生成随机数。下面是一些常用的方法：

1. normal：生成一个正态分布的随机数。

normal_sample = random_stream.normal(avg=0, std=1, size=(10,))

这将生成一个包含10个正态分布随机数的张量。

2. uniform：生成一个均匀分布的随机数。

uniform_sample = random_stream.uniform(low=0, high=1, size=(10,))

这将生成一个包含10个均匀分布随机数的张量。

3. binomial：生成一个二项分布的随机数。

binomial_sample = random_stream.binomial(size=(10,), n=1, p=0.5)

这将生成一个包含10个二项分布随机数的张量。

在生成了随机数之后，我们可以使用Theano的函数来进行计算。例如，我们可以计算生成样本的均值：

mean = T.mean(normal_sample)

然后，我们可以定义一个Theano函数，并将随机数作为其输入参数：

get_mean = theano.function([], mean)

最后，我们可以调用该函数来计算均值：

print(get_mean())

生成的随机数序列将保持不变，即使多次调用该函数，也会得到相同的结果。

总之，theano.tensor.shared_randomstreams.RandomStreams允许我们生成共享的随机数流，可以在Theano计算图中重复使用，并且可以用于生成各种类型的随机数。这对于需要进行概率建模、随机采样或者在深度学习中进行参数初始化等任务非常有用。