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])