mindspore.ops.UniformInt

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

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 - seedseed2 不是int类型。

  • TypeError - shape 不是tuple或Tensor。

  • TypeError - minvalmaxval 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)