随机操作

[source]

categorical function

keras.random.categorical(logits, num_samples, dtype="int32", seed=None)

从分类分布中抽取样本.

该函数以logits作为输入,这是一个形状为(batch_size, num_classes)的二维输入张量.输入的每一行代表一个分类分布,每个列索引包含给定类别的对数概率.

函数将输出一个形状为(batch_size, num_samples)的二维张量,其中每一行包含从logits中相应行抽取的样本.每个列索引包含从输入分布中独立抽取的样本.

参数: logits: 形状为(batch_size, num_classes)的二维张量.每一行应定义一个分类分布,包含所有类别的未归一化对数概率. num_samples: 整数,为输入的每一行抽取的独立样本数.这将是输出张量形状的第二个维度. dtype: 可选的输出张量数据类型. seed: Python整数或keras.random.SeedGenerator的实例.用于使初始化器的行为确定.注意,用整数或None（未种子化）种子的初始化器将在多次调用中产生相同的随机值.要在多次调用中获得不同的随机值,请使用keras.random.SeedGenerator的实例作为种子.

返回: 一个形状为(batch_size, num_samples)的二维张量.

[source]

dropout function

keras.random.dropout(inputs, rate, noise_shape=None, seed=None)

[source]

gamma function

keras.random.gamma(shape, alpha, dtype=None, seed=None)

从Gamma分布中随机抽取样本.

参数: shape: 要生成的随机值的形状. alpha: 浮点数,分布的参数. dtype: 可选的张量数据类型.仅支持浮点类型.如果未指定,则使用keras.config.floatx(), 默认情况下为float32,除非您通过keras.config.set_floatx(float_dtype)进行了配置. seed: Python整数或keras.random.SeedGenerator的实例. 用于使初始化器的行为具有确定性.请注意,使用整数或None（未种子化）种子的初始化器 在多次调用中将生成相同的随机值.要在多次调用中生成不同的随机值,请使用 keras.random.SeedGenerator的实例作为种子.

[source]

normal function

keras.random.normal(shape, mean=0.0, stddev=1.0, dtype=None, seed=None)

从正态（高斯）分布中随机抽取样本.

参数: shape: 要生成的随机值的形状. mean: 浮点数,默认为0.要生成的随机值的均值. stddev: 浮点数,默认为1.要生成的随机值的标准差. dtype: 可选的张量数据类型.仅支持浮点类型.如果未指定,则使用keras.config.floatx(), 默认情况下为float32,除非您通过keras.config.set_floatx(float_dtype)进行了配置. seed: Python整数或keras.random.SeedGenerator的实例. 用于使初始化器的行为确定.请注意,使用整数或None（未种子化）种子的初始化器 将在多次调用中生成相同的随机值.要在多次调用中生成不同的随机值, 请使用keras.random.SeedGenerator的实例作为种子.

[source]

randint function

keras.random.randint(shape, minval, maxval, dtype="int32", seed=None)

从均匀分布中随机抽取整数.

生成的值遵循在范围 [minval, maxval) 内的均匀分布.下界 minval 包含在范围内,而上界 maxval 不包含在内.

dtype 必须是整数类型.

参数: shape: 要生成的随机值的形状. minval: 浮点数,默认为 0.要生成的随机值范围的下界（包含）. maxval: 浮点数,默认为 1.要生成的随机值范围的上界（不包含）. dtype: 可选的张量数据类型.仅支持整数类型.如果未指定,则使用 keras.config.floatx(),默认情况下为 float32,除非您通过 keras.config.set_floatx(float_dtype) 进行了配置. seed: Python 整数或 keras.random.SeedGenerator 的实例.用于使初始化器的行为确定.请注意,使用整数或 None（未种子化）种子的初始化器将在多次调用中生成相同的随机值.要在多次调用中生成不同的随机值,请使用 keras.random.SeedGenerator 的实例作为种子.

[source]

shuffle function

keras.random.shuffle(x, axis=0, seed=None)

打乱张量沿某一轴的元素,均匀随机排列.

参数: x: 要打乱的张量. axis: 一个整数,指定沿哪个轴进行打乱.默认为 0. seed: 一个Python整数或keras.random.SeedGenerator的实例. 用于使初始化器的行为具有确定性.注意,使用整数或None（未种子化）种子的初始化器将在多次调用中产生相同的随机值.要在多次调用中获得不同的随机值,请使用keras.random.SeedGenerator的实例作为种子.

[source]

truncated_normal function

keras.random.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=None, seed=None)

从截断正态分布中抽取样本.

这些值是从具有指定均值和标准差的正态分布中抽取的,丢弃并重新抽取任何偏离均值超过两个标准差的样本.

参数: shape: 要生成的随机值的形状. mean: 浮点数,默认为0.要生成的随机值的均值. stddev: 浮点数,默认为1.要生成的随机值的标准差. dtype: 可选的张量数据类型.仅支持浮点类型.如果未指定,则使用keras.config.floatx(), 默认情况下为float32,除非您通过keras.config.set_floatx(float_dtype)进行了配置. seed: Python整数或keras.random.SeedGenerator的实例. 用于使初始化器的行为具有确定性.请注意,使用整数或None（未种子化）种子的初始化器 将在多次调用中产生相同的随机值.要在多次调用中获得不同的随机值,请使用keras.random.SeedGenerator的实例作为种子.

[source]

uniform function

keras.random.uniform(shape, minval=0.0, maxval=1.0, dtype=None, seed=None)

从均匀分布中抽取样本.

生成的值遵循在范围 [minval, maxval) 内的均匀分布.下界 minval 包含在范围内,而上界 maxval 不包含在内.

dtype 必须是浮点类型,默认范围是 [0, 1).

参数: shape: 要生成的随机值的形状. minval: 浮点数,默认为 0.要生成的随机值范围的下界（包含）. maxval: 浮点数,默认为 1.要生成的随机值范围的上界（不包含）. dtype: 可选的张量数据类型.仅支持浮点类型.如果未指定,使用 keras.config.floatx(),默认情况下为 float32,除非您通过 keras.config.set_floatx(float_dtype) 进行了配置. seed: Python 整数或 keras.random.SeedGenerator 的实例.用于使初始化器的行为确定.请注意,使用整数或 None（未种子化）种子的初始化器将在多次调用中生成相同的随机值.要在多次调用中生成不同的随机值,请使用 keras.random.SeedGenerator 的实例作为种子.