更新:Tensorflow >= r2.0
https://www.tensorflow.org/guide/random_numbers 上的文档说
“TF 1.x 中的旧 RNG,例如 tf.random.uniform 和 tf.random.normal 尚未贬值,但强烈建议不要使用”,相反,如果您希望每次调用,建议实例化 tf.random.Generator 对象到随机数生成器以产生不同的结果或使用tf.random.stateless_uniform,如果您可以在同一台机器上重复调用产生相同的结果。
文档中的示例:
确定性和有状态:生成器在重复调用时产生不同的值。这些值在第 n 次调用时取决于初始化生成器时的种子。
g1 = tf.random.Generator.from_seed(1)
print(g1.normal(shape=[2, 3]))
g2 = tf.random.get_global_generator()
print(g2.normal(shape=[2, 3]))
产量
tf.Tensor(
[[ 0.43842274 -0.53439844 -0.07710262]
[ 1.5658046 -0.1012345 -0.2744976 ]], shape=(2, 3), dtype=float32)
tf.Tensor(
[[-0.9323887 0.3864468 1.5209497 ]
[ 0.54473144 -0.6031506 -0.47044003]], shape=(2, 3), dtype=float32)
非确定性和有状态:生成器在重复调用时会产生不同的值,这些值是什么取决于初始化生成器时的操作系统和系统时间。
g = tf.random.Generator.from_non_deterministic_state()
print(g.normal(shape=[2, 3]))
产量
tf.Tensor(
[[-1.3158257 2.4625542 1.3490729 ]
[ 0.77426016 -2.261468 -0.4887435 ]], shape=(2, 3), dtype=float32)
无状态:每次都返回相同的值。可以在 Tensorflow Core 文档的 tf.random 部分找到其中几种类型的函数。它们都遵循 tf.random.stateless_DISTRIBUTIONNAME 格式。例如:
ints = tf.random.stateless_uniform([10],
seed = (2,3),
minval=None,
maxval=None,
dtype=tf.int)
r1.x >= TensorFlow > r0.11
tf.random.uniform 支持 minval、maxval 和 dtypes float32、float64、int32 或 int64。
tf.random.uniform(
shape,
minval=0,
maxval=None,
dtype=tf.dtypes.float32,
seed=None,
name=None)
参数:
-
shape:一维整数张量或 Python 数组。输出张量的形状。
-
minval:dtype 类型的 0-D 张量或 Python 值。要生成的随机值范围的下限。默认为 0。
-
maxval:dtype 类型的 0-D 张量或 Python 值。要生成的随机值范围的上限。如果 dtype 是浮点数,则默认为 1。
-
dtype:输出的类型:float32、float64、int32 或 int64。
-
种子:一个 Python 整数。用于为分发创建随机种子。有关行为,请参见 set_random_seed。
-
名称:操作的名称(可选)。
TensorFlow
tf.random_uniform 支持 minval、maxval 和 dtypes float32、float64、int32 或 int64。
tf.random_uniform(
shape, minval=0, maxval=None, dtype=tf.float32, seed=None, name=None)