Python tf.random.stateless_uniform用法及代码示例

从均匀分布中输出确定性伪随机值。

用法

tf.random.stateless_uniform(
    shape, seed, minval=0, maxval=None, dtype=tf.dtypes.float32, name=None,
    alg='auto_select'
)

shape 一维整数张量或 Python 数组。输出张量的形状。
seed 形状 [2] 张量，随机数生成器的种子。必须具有数据类型 int32 或 int64 。 (使用 XLA 时，仅允许使用 int32。)
minval dtype 类型的张量或 Python 值，可使用 shape 广播(对于整数类型，不支持广播，因此它需要是标量)。要生成的随机值范围的下限。将 None 传递给 full-range 整数。默认为 0。
maxval dtype 类型的张量或 Python 值，可使用 shape 广播(对于整数类型，不支持广播，因此它需要是标量)。要生成的随机值范围的上限。如果 dtype 是浮点数，则默认为 1。将 None 传递给 full-range 整数。
dtype 输出的类型： float16 , bfloat16 , float32 , float64 , int32 或 int64 。对于无界统一整数(minval , maxval 和 None)，可以使用 uint32 和 uint64。默认为 float32 。
name 操作的名称(可选)。
alg 用于生成随机数的 RNG 算法。有效的选择是"philox"为了Philox 算法,"threefry"为了ThreeFry 算法，和"auto_select"(默认)系统根据设备类型自动选择算法。的值tf.random.Algorithm也可以使用。请注意，与"auto_select"，此函数的输出在不同设备上运行时可能会发生变化。

这是tf.random.uniform 的无状态版本：如果使用相同的种子和形状运行两次，它将产生相同的伪随机数。输出在同一硬件(以及 CPU 和 GPU 之间)上的多次运行中是一致的，但可能会在 TensorFlow 版本之间或在非 CPU/GPU 硬件上发生变化。

生成的值遵循 [minval, maxval) 范围内的均匀分布。下限 minval 包含在范围内，而上限 maxval 不包括在内。

对于浮点数，默认范围是 [0, 1) 。对于整数，至少必须明确指定maxval。

在整数情况下，随机整数略有偏差，除非 maxval - minval 是 2 的精确幂。对于明显小于输出范围(2**32 或 2**64)的 maxval - minval 的值，偏差很小。

对于 full-range(即包括最大值和最小值)随机整数，将 minval=None 和 maxval=None 与整数 dtype 一起传递。对于整数 dtype，minval 和 maxval 都必须是 None 或者两者都不能是 None 。例如：

ints = tf.random.stateless_uniform(
    [10], seed=(2, 3), minval=None, maxval=None, dtype=tf.int32)

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.random.stateless_uniform。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。