Numpy 给定概率的随机位数组

我有一个确定性神经网络，我想把它变成随机的

两个问题：

我不确定这是否意味着我需要使用sigmoid的结果来确定输出的概率，或者概率仅仅是神经元的输入，sigmoid函数现在是多余的

如何使用numpy有效地做到这一点？我知道如何生成随机位，但在一个大数组中，给定概率的情况下，如何生成随机位呢？（我目前的乙状结肠功能是tanh，如果有关系的话）

sigmoid函数仍然是必需的，因为反向传播工作是计算sigmoid函数的导数，而不是计算神经元是否被激发

在像以前一样计算激活之后，我现在通过以下方式运行结果数组x：

返回numpy.random.ranf（x.shape）

我的时间是

3.03323280772e-05

还要注意，numpy将布尔值视为1和0，因此无需将结果传输回int/float）。因为现在是0和1，所以在使用目标值和输入的-1和1之前，我必须稍微更改代码

---

或者

return（numpy.random.ranf（x.shape）>x）*2-1

@askewchan我认为它是。最初的错误是我的：）是的，假设

x

是一个标准化为

1

的概率数组。我的观点很简单，将布尔值更改为

{-1，1}