Spec-Zone.ru › TensorFlow 2.3

tf.random.stateless_binomial

Выводит детерминированные псевдослучайные значения из биномиального распределения.

Просмотр псевдонимов

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.random.stateless_binomial

tf.random.stateless_binomial(
    shape, seed, counts, probs, output_dtype=tf.dtypes.int32, name=None
)

Сгенерированные значения следуют биномиальному распределению с заданными параметрами количества испытаний и вероятности успеха.

Это бессостоятельная версия tf.random.Generator.binomial: если её запустить дважды с одинаковыми семенами и формами, она будет генерировать одни и те же псевдослучайные числа. Выходной результат согласован при нескольких запусках на одном оборудовании (и между процессором и графическим процессором), но может измениться между версиями TensorFlow или на оборудовании, не являющимся процессором/графическим процессором.

Пример:

counts = [10., 20.]
# Probability of success.
probs = [0.8]

binomial_samples = tf.random.stateless_binomial(
    shape=[2], seed=[123, 456], counts=counts, probs=probs)

counts = ... # Shape [3, 1, 2]
probs = ...  # Shape [1, 4, 2]
shape = [3, 4, 3, 4, 2]
# Sample shape will be [3, 4, 3, 4, 2]
binomial_samples = tf.random.stateless_binomial(
    shape=shape, seed=[123, 456], counts=counts, probs=probs)
Аргументы
shape Целочисленный тензор 1-D или Python-массив. Форма выходного тензора.
seed Тензор формы [2], семя генератора случайных чисел. Должен иметь тип int32 или int64. (При использовании XLA разрешен только int32.)
counts Тензор. Количество испытаний биномиального распределения. Должен быть совместим с probs, и совместим с правыми измерениями shape.
probs Тензор. Вероятность успеха для биномиального распределения. Должен быть совместим с counts и совместим с правыми измерениями shape.
output_dtype Тип выходного значения. По умолчанию: tf.int32
name Имя операции (необязательно).
Возвращаемое значение
samples Тензор заданной формы, заполненный случайными биномиальными значениями. Для каждого i, каждый samples[..., i] является независимым извлечением из биномиального распределения на counts[i] испытаний с вероятностью успеха probs[i].

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.3/api_docs/python/tf/random/stateless_binomial

Spec-Zone.ru

Настройки Оффлайн Что нового Помощь О нас
Spec-Zone .ru
спецификации, руководства, описания, API