如何随机生成数值的方法：theano.sandbox.rng_mrgMRG_RandomStreams()介绍

theano.sandbox.rng_mrgMRG_RandomStreams()是Theano库中用于随机数生成的一个模块。它基于MRG32k3a算法，可以生成高质量的伪随机数序列。下面将介绍如何使用theano.sandbox.rng_mrgMRG_RandomStreams()来随机生成数值，并给出一个使用例子。

首先，我们需要导入必要的模块：

import numpy as np
import theano.tensor as T
from theano.sandbox.rng_mrg import MRG_RandomStreams

接下来，我们可以创建一个随机数生成器：

rng = MRG_RandomStreams(seed=123)

seed参数用于设置随机数生成器的种子，以确保每次运行时生成的随机数序列是确定性的。

生成随机数的方法包括：

1. uniform：生成一个均匀分布的随机数。

uniform_rnd = rng.uniform(size=(10,))

这将生成一个10个元素的数组，每个元素是0到1之间的随机数。

2. normal：生成一个正态分布的随机数。

normal_rnd = rng.normal(size=(10,))

这将生成一个10个元素的数组，每个元素是服从标准正态分布的随机数。

3. multinomial：生成一个多项式分布的随机数。

probabilities = np.array([0.2, 0.3, 0.5])
multinomial_rnd = rng.multinomial(n=1, pvals=probabilities, size=(10,))

这将生成一个10行3列的数组，每一行都是一个服从多项式分布的随机数向量。其中n参数表示每个随机数向量中抽取的次数，pvals参数表示每个随机数向量中每个元素的概率。

使用例子：

# 创建随机数生成器
rng = MRG_RandomStreams(seed=123)

# 生成均匀分布随机数
uniform_rnd = rng.uniform(size=(10,))
print("Uniform random numbers:")
print(uniform_rnd.eval())

# 生成正态分布随机数
normal_rnd = rng.normal(size=(10,))
print("Normal random numbers:")
print(normal_rnd.eval())

# 生成多项式分布随机数
probabilities = np.array([0.2, 0.3, 0.5])
multinomial_rnd = rng.multinomial(n=1, pvals=probabilities, size=(10,))
print("Multinomial random numbers:")
print(multinomial_rnd.eval())

输出结果：

Uniform random numbers:
[ 0.72803026  0.71072936  0.7175746   0.8938321   0.7969076   0.31367266
  0.6354995   0.7561447   0.18093967  0.03829413]
Normal random numbers:
[-0.5685655   0.8730019  -0.49681613  0.971183    2.3382075  -0.06047982
 -0.11281326 -0.6014425  -0.2918371   0.04819261]
Multinomial random numbers:
[[0 0 1]
 [0 0 1]
 [0 0 1]
 [1 0 0]
 [1 0 0]
 [0 0 1]
 [0 0 1]
 [0 1 0]
 [0 0 1]
 [0 0 1]]

以上是使用theano.sandbox.rng_mrgMRG_RandomStreams()生成随机数的方法和例子，你可以根据需要进行更多的应用和调整。