mindspore.ops.StandardLaplace

查看源文件
class mindspore.ops.StandardLaplace(seed=0, seed2=0)[源代码]

生成符合标准Laplace(mean=0, lambda=1)分布的随机数。 其概率密度函数为:

\[\text{f}(x) = \frac{1}{2}\exp(-|x|)\]

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 (Union[tuple, Tensor]) - 待生成的Tensor的shape。当为tuple类型时,只支持常量值;当为Tensor类型时,支持动态Shape。

输出:

Tensor。shape为输入 shape 。数据类型支持float32。

异常:
  • TypeError - seedseed2 不是int。

  • TypeError - shape 既不是tuple,也不是Tensor。

  • ValueError - seedseed2 不是非负的int。

  • ValueError - shape 为tuple时,包含非正的元素。

  • ValueError - shape 为秩不等于1的Tensor。

支持平台:

Ascend GPU CPU

样例:

>>> from mindspore import ops
>>> shape = (4, 16)
>>> stdlaplace = ops.StandardLaplace(seed=2)
>>> output = stdlaplace(shape)
>>> result = output.shape
>>> print(result)
(4, 16)