mindspore.ops.RandomGamma

class mindspore.ops.RandomGamma(seed=0, seed2=0)

根据概率密度函数分布生成随机正值浮点数x。

说明

• 随机种子：通过一些复杂的数学算法，可以得到一组有规律的随机数，而随机种子就是这个随机数的初始值。随机种子相同，得到的随机数就不会改变。

• 全局的随机种子和算子层的随机种子都没设置或都设置为0：完全随机。

• 全局的随机种子设置了，算子层的随机种子未设置：采用全局的随机种子和0拼接。

• 全局的随机种子未设置，算子层的随机种子设置了：使用0和算子层的随机种子拼接。

• 全局的随机种子和算子层的随机种子都设置了：全局的随机种子和算子层的随机种子拼接。

参数：

• seed (int，可选) - 算子层的随机种子，用于生成随机数。必须是非负的。默认值： 0 。

• seed2 (int，可选) - 全局的随机种子，和算子层的随机种子共同决定最终生成的随机数。必须是非负的。默认值： 0 。

输入：

• shape (tuple) - 待生成的随机Tensor的shape。只支持常量值。

• alpha (Tensor) - α为RandomGamma分布的shape parameter，主要决定了曲线的形状。其值必须大于0。数据类型为float32。

输出：

Tensor。shape是输入 shape， alpha 相连后的shape。数据类型与 alpha 一致。

异常：

• TypeError - seed 或 seed2 的数据类型不是int。

• TypeError - shape 或 alpha 不是Tensor。

• TypeError - shape 或 alpha 的数据类型不是float32。

• ValueError - shape 不是常量值。

支持平台：

CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> from mindspore import dtype as mstype
>>> shape = Tensor(np.array([3, 1, 2]), mstype.int32)
>>> alpha = Tensor(np.array([[3, 4], [5, 6]]), mstype.float32)
>>> gamma = ops.RandomGamma(seed=3)
>>> output = gamma(shape, alpha)
>>> result = output.shape
>>> print(result)
(3, 1, 2, 2, 2)