mindspore.ops.RandomChoiceWithMask

class mindspore.ops.RandomChoiceWithMask(count=256, seed=0, seed2=0)

对输入进行随机取样，返回取样索引和掩码。

更多参考详见 mindspore.ops.choice_with_mask()。

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：

• count (int，可选) - 取样数量，必须大于0。默认值： 256 。

• 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：

• input_x (Tensor[bool]) - 输入Tensor，bool类型。秩必须大于等于1且小于等于5。

输出：

两个Tensor，第一个为索引，另一个为掩码。

• index (Tensor) - 二维Tensor，shape为 \((count, input_x的秩)\)。

• mask (Tensor) - 一维Tensor，shape为 \((count)\)。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> rnd_choice_mask = ops.RandomChoiceWithMask()
>>> input_x = Tensor(np.ones(shape=[240000, 4]).astype(np.bool_))
>>> output_y, output_mask = rnd_choice_mask(input_x)
>>> result = output_y.shape
>>> print(result)
(256, 2)
>>> result = output_mask.shape
>>> print(result)
(256,)