mindspore.ops.StandardLaplace

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

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[int], Tensor[int]]) - 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 - seed 或 seed2 不是int。

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

• ValueError - seed 或 seed2 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)