Python tf.random.stateless_uniform用法及代碼示例

從均勻分布中輸出確定性偽隨機值。

用法

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

shape 一維整數張量或 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。)
minval dtype 類型的張量或 Python 值，可使用 shape 廣播(對於整數類型，不支持廣播，因此它需要是標量)。要生成的隨機值範圍的下限。將 None 傳遞給 full-range 整數。默認為 0。
maxval dtype 類型的張量或 Python 值，可使用 shape 廣播(對於整數類型，不支持廣播，因此它需要是標量)。要生成的隨機值範圍的上限。如果 dtype 是浮點數，則默認為 1。將 None 傳遞給 full-range 整數。
dtype 輸出的類型： float16 , bfloat16 , float32 , float64 , int32 或 int64 。對於無界統一整數(minval , maxval 和 None)，可以使用 uint32 和 uint64。默認為 float32 。
name 操作的名稱(可選)。
alg 用於生成隨機數的 RNG 算法。有效的選擇是"philox"為了Philox 算法,"threefry"為了ThreeFry 算法，和"auto_select"(默認)係統根據設備類型自動選擇算法。的值tf.random.Algorithm也可以使用。請注意，與"auto_select"，此函數的輸出在不同設備上運行時可能會發生變化。

這是tf.random.uniform 的無狀態版本：如果使用相同的種子和形狀運行兩次，它將產生相同的偽隨機數。輸出在同一硬件(以及 CPU 和 GPU 之間)上的多次運行中是一致的，但可能會在 TensorFlow 版本之間或在非 CPU/GPU 硬件上發生變化。

生成的值遵循 [minval, maxval) 範圍內的均勻分布。下限 minval 包含在範圍內，而上限 maxval 不包括在內。

對於浮點數，默認範圍是 [0, 1) 。對於整數，至少必須明確指定maxval。

在整數情況下，隨機整數略有偏差，除非 maxval - minval 是 2 的精確冪。對於明顯小於輸出範圍(2**32 或 2**64)的 maxval - minval 的值，偏差很小。

對於 full-range(即包括最大值和最小值)隨機整數，將 minval=None 和 maxval=None 與整數 dtype 一起傳遞。對於整數 dtype，minval 和 maxval 都必須是 None 或者兩者都不能是 None 。例如：

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

相關用法

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_uniform。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。