mindspore.ops.UniformInt

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

根据均匀分布在区间 [minval, maxval) 中生成随机数。离散概率函数定义如下：

\[\text{P}(i|a,b) = \frac{1}{b-a+1},\]

其中 \(a\) 为分布区间的最小值 minval ， \(b\) 为分布区间的最大值 maxval 。

说明

• minval 中的数值在广播后必须严格小于 maxval 。

• 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]) - 目标Tensor的shape。只允许常量值。

• minval (Tensor) - 分布参数， \(a\) 。 决定可能生成的最小值，数据类型为int32。需为标量。

• maxval (Tensor) - 分布参数， \(b\) 。 决定生成随机数的上限，数据类型为int32。需为标量。

输出：

Tensor。shape为输入 shape ，数据类型支持int32。

异常：

• TypeError - seed 或 seed2 不是int类型。

• TypeError - shape 不是tuple或Tensor。

• TypeError - minval 或 maxval 不是Tensor。

• ValueError - shape 不是常量值。

支持平台：

Ascend GPU CPU

样例：

>>> from mindspore import Tensor, ops
>>> from mindspore import dtype as mstype
>>> shape = (2, 4)
>>> minval = Tensor(1, mstype.int32)
>>> maxval = Tensor(5, mstype.int32)
>>> uniform_int = ops.UniformInt(seed=10)
>>> output = uniform_int(shape, minval, maxval)
>>> result = output.shape
>>> print(result)
(2, 4)