randperm

paddle.fluid.layers.randperm(n, out=None, dtype=”int64”, device=None, stop_gradient=True, seed=0)[源代码]

该OP返回一个数值在0到n-1、顺序随机的整数排列。

参数

  • n (int): 整数排列的上限，应该大于0。
  • out (Variable, optional): 可选的输出变量，如果不为 None ，返回的整数排列保存在该变量中，默认是 None 。
  • dtype (np.dtype|core.VarDesc.VarType|str, optional): 整数排列的数据类型，支持 int64 和 int32 ，默认是 int64 。
  • device (str, optional): 指定整数排列所在的设备内存。设置为 cpu 则保存在 cpu 内存中，设置为 gpu ，则保存在 gpu 内存中，设置为 None 则保存在运行的设备内存中。默认是 None 。
  • stop_gradient (bool, optional): 返回的整数排列是否记录并更新梯度，默认是 True 。
  • seed (int, optional): 设置随机种子。seed 等于0时，每次返回不同的整数排列；seed 不等于0时，相同的 seed 返回相同的整数排列。

返回

一个数值在0到n-1、顺序随机的整数排列。

返回类型

Variable

代码示例

  1. import paddle
  2. import paddle.fluid as fluid
  3. import numpy as np
  5. # Note that, the random permutation returned by randperm depends
  6. # the random seed in computer, so the output in the next example
  7. # will be change.
  8. with fluid.dygraph.guard():
  9.     out_1 = fluid.layers.randperm(6)
  10.     print(out_1.numpy())  # Random permutation, for example [2 4 5 0 3 1]
  12.     out_2 = fluid.dygraph.to_variable(
  13.                             np.array([0, 1, 2, 3])).astype(np.int64)
  14.     fluid.layers.randperm(6, out_2)
  15.     print(out_2.numpy())  # Random permutation, for example [5 0 2 4 1 3]
  17.     out_3 = fluid.layers.randperm(6, dtype="int32", device="cpu")
  18.     print(out_3.numpy())  # Random permutation, for example [3 1 4 2 5 0]
  20.     out_4 = fluid.layers.randperm(6, device="cpu", stop_gradient=True)
  21.     print(out_4.numpy())  # Random permutation, for example [3 1 5 2 0 4]