uniform_random

paddle.fluid.layers. uniform_random ( shape, dtype='float32', min=- 1.0, max=1.0, seed=0, name=None ) [源代码]

该OP返回数值服从范围[min, max)内均匀分布的随机Tensor，形状为 shape，数据类型为 dtype。

示例1:
         给定：
             shape=[1,2]
         则输出为：
             result=[[0.8505902, 0.8397286]]

参数

  • shape (list|tuple|Tensor) - 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[1]且数据类型为int32、int64的Tensor。如果 shape 是Tensor，则是数据类型为int32、int64的1-D Tensor。

  • dtype (str|np.dtype|core.VarDesc.VarType, 可选) - 输出Tensor的数据类型，支持float32、float64。默认值为float32。

  • min (float|int，可选) - 要生成的随机值范围的下限，min包含在范围中。支持的数据类型：float、int。默认值为-1.0。

  • max (float|int，可选) - 要生成的随机值范围的上限，max不包含在范围中。支持的数据类型：float、int。默认值为1.0。

  • seed (int，可选) - 随机种子，用于生成样本。0表示使用系统生成的种子。注意如果种子不为0，该操作符每次都生成同样的随机数。支持的数据类型：int。默认为 0。

  • name (str, 可选) - 输出的名字。一般无需设置，默认值为None。该参数供开发人员打印调试信息时使用，具体用法请参见 Name 。

返回

Tensor：数值服从范围[min, max)内均匀分布的随机Tensor，形状为 shape，数据类型为 dtype。

抛出异常

  • TypeError - 如果 shape 的类型不是list、tuple、Tensor。

  • TypeError - 如果 dtype 不是float32、float64。

代码示例

import paddle.fluid as fluid
import numpy as np

startup_program = fluid.Program()
train_program = fluid.Program()
with fluid.program_guard(train_program, startup_program):
    # example 1:
    # attr shape is a list which doesn't contain Tensor.
    result_1 = fluid.layers.uniform_random(shape=[3, 4])

    # example 2:
    # attr shape is a list which contains Tensor.
    dim_1 = fluid.layers.fill_constant([1],"int64",3)
    dim_2 = fluid.layers.fill_constant([1],"int32",5)
    result_2 = fluid.layers.uniform_random(shape=[dim_1, dim_2])

    # example 3:
    # attr shape is a Tensor, the data type must be int32 or int64
    var_shape = fluid.data(name='var_shape', shape=[2], dtype="int64")
    result_3 = fluid.layers.uniform_random(var_shape)
    var_shape_int32 = fluid.data(name='var_shape_int32', shape=[2], dtype="int32")
    result_4 = fluid.layers.uniform_random(var_shape_int32)
    shape_1 = np.array([3,4]).astype("int64")
    shape_2 = np.array([3,4]).astype("int32")

    exe = fluid.Executor(fluid.CPUPlace())
    exe.run(startup_program)
    outs = exe.run(train_program, feed = {'var_shape':shape_1, 'var_shape_int32':shape_2},
                   fetch_list=[result_1, result_2, result_3, result_4])