mindspore.ops.UniformReal

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

产生随机的浮点数，均匀分布在[0, 1)范围内。

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。

• 目前在Ascend平台上不支持 shape 为Tensor，CPU/GPU平台支持。当输入为Tensor的时候，支持的数据类型：

  • GPU：int32、int64。

  • CPU：int16、int32、int64。

警告

Ascend后端不支持随机数重现功能， seed 和 seed2 参数不起作用。

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 (Union[tuple, Tensor]) - 待生成的Tensor的shape。只支持常量值。

输出：

Tensor。它的shape为输入 shape。数据类型为float32。

异常：

• TypeError - seed 或 seed2 不是int。

• TypeError - shape 不是tuple或Tensor。

• ValueError - shape 不是常量值。

支持平台：

Ascend GPU CPU

样例：

>>> from mindspore import ops
>>> shape = (2, 2)
>>> uniformreal = ops.UniformReal(seed=2)
>>> output = uniformreal(shape)
>>> result = output.shape
>>> print(result)
(2, 2)