從截斷的正態分布中輸出隨機值。
用法
tf.random.stateless_parameterized_truncated_normal(
shape, seed, means=0.0, stddevs=1.0, minvals=-2.0, maxvals=2.0, name=None
)
參數
-
shape
一維整數Tensor
或 Python 數組。輸出張量的形狀。 -
seed
形狀 [2] 張量,隨機數生成器的種子。必須具有數據類型int32
或int64
。 (使用 XLA 時,僅允許使用int32
。) -
means
Tensor
或dtype
類型的 Python 值。截斷正態分布的平均值。這必須與stddevs
,minvals
和maxvals
一起廣播,並且廣播的形狀必須以shape
為主。 -
stddevs
Tensor
或dtype
類型的 Python 值。截斷正態分布的標準差。這必須與means
,minvals
和maxvals
一起廣播,並且廣播的形狀必須以shape
為主。 -
minvals
Tensor
或dtype
類型的 Python 值。截斷正態分布的最小值。這必須與means
,stddevs
和maxvals
一起廣播,並且廣播的形狀必須以shape
為主。 -
maxvals
Tensor
或dtype
類型的 Python 值。截斷正態分布的最大值。這必須與means
,stddevs
和minvals
一起廣播,並且廣播的形狀必須以shape
為主。 -
name
操作的名稱(可選)。
返回
- 用隨機截斷的正常值填充的指定形狀的張量。
生成的值遵循具有指定均值和標準差的正態分布,但幅度大於均值 2 個標準差的值將被丟棄並重新選擇。
例子:
來自截斷法線的樣本,具有廣播的延遲形狀參數。
means = 0.
stddevs = tf.math.exp(tf.random.uniform(shape=[2, 3]))
minvals = [-1., -2., -1000.]
maxvals = [[10000.], [1.]]
y = tf.random.stateless_parameterized_truncated_normal(
shape=[10, 2, 3], seed=[7, 17],
means=means, stddevs=stddevs, minvals=minvals, maxvals=maxvals)
y.shape
TensorShape([10, 2, 3])
相關用法
- Python tf.random.stateless_poisson用法及代碼示例
- Python tf.random.stateless_uniform用法及代碼示例
- Python tf.random.stateless_binomial用法及代碼示例
- Python tf.random.stateless_categorical用法及代碼示例
- Python tf.random.stateless_gamma用法及代碼示例
- Python tf.random.shuffle用法及代碼示例
- Python tf.random.set_global_generator用法及代碼示例
- Python tf.random.set_seed用法及代碼示例
- Python tf.random.truncated_normal用法及代碼示例
- Python tf.random.Generator用法及代碼示例
- Python tf.random.Generator.binomial用法及代碼示例
- Python tf.random.normal用法及代碼示例
- Python tf.random.experimental.stateless_split用法及代碼示例
- Python tf.random.uniform用法及代碼示例
- Python tf.random.categorical用法及代碼示例
- Python tf.random.experimental.stateless_fold_in用法及代碼示例
- Python tf.random.Generator.make_seeds用法及代碼示例
- Python tf.random.poisson用法及代碼示例
- Python tf.random.gamma用法及代碼示例
- Python tf.random.create_rng_state用法及代碼示例
注:本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.random.stateless_parameterized_truncated_normal。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。