標準均勻分布是一個在范圍 [0，1) 內的連續分布。generate_canonical() 函數模板會提供一個浮點值范圍在 [0，1) 內，且有給定的隨機比特數的標準均勻分布。它有 3 個模板參數：浮點類型、尾數的隨機比特的個數，以及使用的隨機數生成器的類型。函數的參數是一個隨機數生成器，因此最后一個模板參數可以推導出來。下面是它可能的用法：

std::vector data(8); // Container with 8 elements

std::random_device rd; // Non-determinstic seed source

std::default_random_engine rng {rd()}; // Create random number generator

std::generate(std::begin(data), std::end(data),[&rng] { return std::generate_canonical (rng); });

std::copy(std::begin(data),std::end(data),std::ostream_iterator {std::cout, " "});

在 lambda 表達式中，被調用的 generate_canonical() 函數被用來作為 generate() 算法的第三個參數。lambda 表達式會返回一個有 12 個隨機比特的 double 類型的隨機值，因此 generate() 會用這種數據來填充 data 中的元素。執行這些語句會產生如下輸出：

0.766197 0.298056 0.409951 0.955263 0.419199 0.737496 0.547764 0.91622

上面的輸出說明位數可能我們想要的要多，記住我們只指定了 12 個隨機比特。可以按如下方式限制輸出：

std::copy(std::begin(data), std::end(data),std::ostream_iterator{std::cout << std::fixed<< std::setprecision (4) , " "});

流操作符被應用到每個輸出值，因此現在的輸出可能如下所示：

0.8514 0.5707 0.8322 0.6626 0.7026 0.8854 0.5427 0.8886

如果真的想得到這些位，可以用 hexfloat 以十六進制的格式輸出這些值。

顯然，隨機位數越少，可能的隨機值的范圍越有限。可以通過將位數指定為這個類型的最大值來使范圍達到最大。下面是展示如何這么做的代碼：

std::vector data; // Empty container

std::random device rd; // Non-determinstic seed source

std::default_random_engine rng {rd()};//Create random number generator

std::generate_n(std::back_inserter(data), 10, [&rng]{return std::generate_canonical::digits>(rng); });

std::copy(std::begin(data), std::end(data),std::ostream_iterator {std:: cout, " "});

std::cout << std::endl;

注意，這和前面的代碼有些區別。這次，generate_n() 的第一個參數是 data 容器的 back_insert_iterator，因此可以通過調用它的成員函數 push_back() 來添加元素。generate_canonical() 的第二個模板參數是 numeric_limits 對象的 long double 類型的成員變量的 digits 值。這是這個類型的位數的比特數，因此可以指定這個類型可能的隨機比特位的最大個數(在筆者系統上只有 53 個)。筆者得到了這樣的輸出，但你的可能是不同的：

0.426365 0.0635646 0.208444 0.198286 0.338378 0.490884 0.841733 0.975676 0.193322 0.346017