mindspore.ops.RandomGamma
- class mindspore.ops.RandomGamma(seed=0, seed2=0)[源代码]
根据概率密度函数分布生成随机正值浮点数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 (tuple) - 待生成的随机Tensor的shape。只支持常量值。
alpha (Tensor) - α为RandomGamma分布的shape parameter,主要决定了曲线的形状。其值必须大于0。数据类型为float32。
- 输出:
Tensor。shape是输入 shape, alpha 相连后的shape。数据类型与 alpha 一致。
- 异常:
TypeError - seed 或 seed2 的数据类型不是int。
TypeError - shape 或 alpha 不是Tensor。
TypeError - shape 或 alpha 的数据类型不是float32。
ValueError - shape 不是常量值。
- 支持平台:
CPU
样例:
>>> import numpy as np >>> from mindspore import Tensor, ops >>> from mindspore import dtype as mstype >>> shape = Tensor(np.array([3, 1, 2]), mstype.int32) >>> alpha = Tensor(np.array([[3, 4], [5, 6]]), mstype.float32) >>> gamma = ops.RandomGamma(seed=3) >>> output = gamma(shape, alpha) >>> result = output.shape >>> print(result) (3, 1, 2, 2, 2)