uniform_random

  • paddle.fluid.layers.uniform_random(shape, dtype='float32', min=-1.0, max=1.0, seed=0)[源代码]

该OP使用从范围[min，max)内均匀分布采样的随机值初始化一个Tensor。

  1. 示例1:
  2.          给定：
  3.              shape=[1,2]
  4.          则输出为：
  5.              result=[[0.8505902, 0.8397286]]
  • 参数：
    • shape (list|tuple|Variable)-输出Tensor的维度，shape类型支持list，tuple，Variable。如果shape类型是list或者tuple，它的元素可以是整数或者形状为[1]的Tensor，其中整数的数据类型为int，Tensor的数据类型为int32或int64。如果shape的类型是Variable，则是1D的Tensor，Tensor的数据类型为int32或int64。
    • dtype (np.dtype|core.VarDesc.VarType|str，可选) – 输出Tensor的数据类型，支持float32（默认）， float64。
    • min (float，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。默认值为-1.0。
    • max (float，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。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。

返回：表示一个随机初始化结果的Tensor，该Tensor的数据类型由dtype参数决定，该Tensor的维度由shape参数决定。

返回类型：Variable

  • 抛出异常：
    • TypeError: shape的类型应该是list、tuple 或 Variable。

代码示例：

  1. import paddle.fluid as fluid
  2. import numpy as np
  3.  
  4. startup_program = fluid.Program()
  5. train_program = fluid.Program()
  6. with fluid.program_guard(train_program, startup_program):
  7.     # example 1:
  8.     # attr shape is a list which doesn't contain tensor Variable.
  9.     result_1 = fluid.layers.uniform_random(shape=[3, 4])
  10.  
  11.     # example 2:
  12.     # attr shape is a list which contains tensor Variable.
  13.     dim_1 = fluid.layers.fill_constant([1],"int64",3)
  14.     dim_2 = fluid.layers.fill_constant([1],"int32",5)
  15.     result_2 = fluid.layers.uniform_random(shape=[dim_1, dim_2])
  16.  
  17.     # example 3:
  18.     # attr shape is a Variable, the data type must be int32 or int64
  19.     var_shape = fluid.data(name='var_shape', shape=[2], dtype="int64")
  20.     result_3 = fluid.layers.uniform_random(var_shape)
  21.     var_shape_int32 = fluid.data(name='var_shape_int32', shape=[2], dtype="int32")
  22.     result_4 = fluid.layers.uniform_random(var_shape_int32)
  23.     shape_1 = np.array([3,4]).astype("int64")
  24.     shape_2 = np.array([3,4]).astype("int32")
  25.  
  26.     exe = fluid.Executor(fluid.CPUPlace())
  27.     exe.run(startup_program)
  28.     outs = exe.run(train_program, feed = {'var_shape':shape_1, 'var_shape_int32':shape_2},
  29.                    fetch_list=[result_1, result_2, result_3, result_4])