Octave 的 rand 函数能否产生所有（或部分）数字都相等的输出？
Can Octave's rand function produce an output where all (or some) numbers are equal?
在documentation中对于rand函数，据说：
Return a matrix with random elements uniformly distributed on the interval (0, 1).
我的问题是：是否有 任何 这些随机数（或所有）在输出中相等的可能性？
作为旁注，我对此很好奇，因为在 Andrew Ng 的机器学习课程中建议在随机化所有 theta 的值（从而破坏对称性）时使用 rand 函数，在训练神经网络。
从理论上讲，如果它真的是随机的，那么是的 - 所有值都相等的可能性总是很小。然而，这些都是浮点数——所以有很多细微的差别。如果您担心几个重量的值完全相同，您应该购买大量乐透彩票 - 您更有可能中奖！
即使一些权重最终 完全 相同，然后无法更改 - 这不会对整个网络造成太大影响。
现代正则化技术，例如 drop-out，使（不是真正的）问题变得更不重要。 Dropout 只会为每个训练批次使用神经元的随机子集，并且只有那些神经元会得到更新 - 所以如果两个权重绑定，最终会为批次选择一个（并调整其权重）而另一个单独留下 - 因此打破对称性。
注意：rand 函数并不是真正随机的，它是伪随机的。该文档说它使用 Mersenne Twister PRNG，这是一种质量相对较高（不是很好的加密货币）的众所周知且值得信赖的 PRNG。如果您的 PRNG 质量很低，则获得精确的副本可能是一个潜在问题 - 但在这种情况下您应该是安全的。
在documentation中对于rand函数，据说：
Return a matrix with random elements uniformly distributed on the interval (0, 1).
我的问题是：是否有 任何 这些随机数（或所有）在输出中相等的可能性？
作为旁注，我对此很好奇，因为在 Andrew Ng 的机器学习课程中建议在随机化所有 theta 的值（从而破坏对称性）时使用 rand 函数，在训练神经网络。
从理论上讲，如果它真的是随机的，那么是的 - 所有值都相等的可能性总是很小。然而，这些都是浮点数——所以有很多细微的差别。如果您担心几个重量的值完全相同，您应该购买大量乐透彩票 - 您更有可能中奖！
即使一些权重最终 完全 相同，然后无法更改 - 这不会对整个网络造成太大影响。
现代正则化技术，例如 drop-out，使（不是真正的）问题变得更不重要。 Dropout 只会为每个训练批次使用神经元的随机子集，并且只有那些神经元会得到更新 - 所以如果两个权重绑定，最终会为批次选择一个（并调整其权重）而另一个单独留下 - 因此打破对称性。
注意：rand 函数并不是真正随机的，它是伪随机的。该文档说它使用 Mersenne Twister PRNG，这是一种质量相对较高（不是很好的加密货币）的众所周知且值得信赖的 PRNG。如果您的 PRNG 质量很低，则获得精确的副本可能是一个潜在问题 - 但在这种情况下您应该是安全的。