Spec-Zone.ru › TensorFlow 2.4

tf.random.stateless_binomial

Выводит детерминированные псевдослучайные значения из биномиального распределения.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

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 со специфицированными параметрами количества испытаний и вероятности успеха.

Это бессостояниевая версия tf.random.Generator.binomial: если её выполнить дважды с одинаковыми семенами и формами, она сгенерирует те же псевдослучайные числа. Выходной результат будет постоянным при многократных запусках на одном оборудовании (и между CPU и GPU), но может изменяться между версиями TensorFlow или на оборудовании, отличном от CPU/GPU.

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 1-мерный целочисленный тензор или массив Python. Форма выходного тензора.
seed Тензор формы [2], семя для генератора псевдослучайных чисел. Должен иметь тип int32 или int64. (При использовании XLA разрешен только int32.)
counts Тензор. Количество испытаний в биномиальном распределении. Должен быть совместим по трансляции с probs, и совместим по трансляции с правыми измерениями shape.
probs Тензор. Вероятность успеха в биномиальном распределении. Должен быть совместим по трансляции с counts и совместим по трансляции 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 значениями биномиального распределения. Для каждого i, каждый образец[..., i] представляет собой независимое извлечение из биномиального распределения на counts[i] испытаниях 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/r2.4/api_docs/python/tf/random/stateless_binomial

Spec-Zone.ru

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