randint

paddle. randint ( low=0, high=None, shape=[1], dtype=None, name=None ) [源代码]

返回服从均匀分布的、范围在[low, high)的随机 Tensor,形状为 shape,数据类型为 dtype。当 high 为 None 时(默认),均匀采样的区间为[0, low)。

参数

  • low (int,可选) - 要生成的随机值范围的下限,low 包含在范围中。当 high 为 None 时,均匀采样的区间为[0, low)。默认值为 0。

  • high (int,可选) - 要生成的随机值范围的上限,high 不包含在范围中。默认值为 None,此时范围是[0, low)。

  • shape (list|tuple|Tensor,可选) - 生成的随机 Tensor 的形状。如果 shape 是 list、tuple,则其中的元素可以是 int,或者是形状为[]且数据类型为 int32、int64 的 0-D Tensor。如果 shape 是 Tensor,则是数据类型为 int32、int64 的 1-D Tensor。默认值为[1]。

  • dtype (str|np.dtype|core.VarDesc.VarType,可选) - 输出 Tensor 的数据类型,支持 int32、int64。当该参数值为 None 时, 输出 Tensor 的数据类型为 int64。默认值为 None。

  • name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。

返回

服从均匀分布的、范围在[low, high)的随机 Tensor,形状为 shape,数据类型为 dtype

代码示例

>>> import paddle

>>> # example 1:
>>> # attr shape is a list which doesn't contain Tensor.
>>> out1 = paddle.randint(low=-5, high=5, shape=[2, 3])
>>> print(out1)
Tensor(shape=[2, 3], dtype=int64, place=Place(cpu), stop_gradient=True,
[[-1,  4,  4],
 [-2, -5, -2]])

>>> # example 2:
>>> # attr shape is a list which contains Tensor.
>>> dim1 = paddle.to_tensor(2, 'int64')
>>> dim2 = paddle.to_tensor(3, 'int32')
>>> out2 = paddle.randint(low=-5, high=5, shape=[dim1, dim2])
>>> print(out2)
Tensor(shape=[2, 3], dtype=int64, place=Place(cpu), stop_gradient=True,
[[-4, -4,  2],
 [-3, -1, -5]])

>>> # example 3:
>>> # attr shape is a Tensor
>>> shape_tensor = paddle.to_tensor([2, 3])
>>> out3 = paddle.randint(low=-5, high=5, shape=shape_tensor)
>>> print(out3)
Tensor(shape=[2, 3], dtype=int64, place=Place(cpu), stop_gradient=True,
[[-1,  4, -3],
 [ 1,  2, -1]])

>>> # example 4:
>>> # data type is int32
>>> out4 = paddle.randint(low=-5, high=5, shape=[3], dtype='int32')
>>> print(out4)
Tensor(shape=[3], dtype=int32, place=Place(cpu), stop_gradient=True,
[4, 4, 0])

>>> # example 5:
>>> # Input only one parameter
>>> # low=0, high=10, shape=[1], dtype='int64'
>>> out5 = paddle.randint(10)
>>> print(out5)
Tensor(shape=[1], dtype=int64, place=Place(cpu), stop_gradient=True,
[7])

使用本API的教程文档