在rand函数的documentation中，有人说：
返回一个矩阵，其中随机元素均匀分布在区间（0,1）上。
我的问题是：是否存在任何机会，这些随机数（或全部）在输出中是否相等？
作为旁注，我对此感到好奇，因为在Andrew Ng的机器学习课程中建议在随机化所有时间点的值（因此打破对称性）时使用rand函数，训练神经网络。
答案 0 :(得分：3)
理论上，如果它真的是随机的，那么是的 - 所有值都是平等的。然而，这些是花车 - 所以有很多微小的差异。如果您担心获得几个权重的完全相同的值，您应该购买很多乐透彩票 - 您更有可能赢得一个！
即使一些权重最终完全相同，然后无法改变 - 这也不会对整个网络造成太大影响。
现代正规化技术，例如辍学，使（不是真正的）问题更加严重。 Dropout将仅为每个训练批次使用神经元的随机子集，并且只有那些被更新 - 因此如果两个权重被绑定，最终将选择一个批次（并且其权重调整）而另一个单独留下 - 因此打破对称性。
注意：rand函数不是真正随机的，它的 Pseudo 随机。文档称它使用了Mersenne Twister PRNG，这是一种相对高质量（不是加密）的知名且值得信赖的PRNG。如果您的PRNG质量非常低，那么获得精确的重复数据可能是一个潜在的问题 - 但在这种情况下您应该是安全的。