mindspore.ops.UniformReal

class mindspore.ops.UniformReal(seed=0, seed2=0)[源代码]

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。

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 - seedseed2 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)