gaussian_random

paddle.fluid.layers. gaussian_random ( shape, mean=0.0, std=1.0, seed=0, dtype=’float32’, name=None ) [源代码]

该OP返回数值符合高斯随机分布的Tensor，形状为 shape，数据类型为 dtype。

参数：

  • shape (list|tuple|Tensor) - 生成的随机Tensor的形状。如果 shape 是list、tuple，则其中的元素可以是int，或者是形状为[1]且数据类型为int32、int64的Tensor。如果 shape 是Tensor，则是数据类型为int32、int64的1-D Tensor。

  • mean (float|int, 可选) - 输出Tensor的均值，支持的数据类型：float、int。默认值为0.0。

  • std (float|int, 可选) - 输出Tensor的标准差，支持的数据类型：float、int。默认值为1.0。

  • seed (int, 可选) - 随机数种子，默认值为 0。注：seed 设置为 0 表示使用系统的随机数种子。注意如果 seed 不为 0，则此算子每次将始终生成相同的随机数。

  • dtype (str|np.dtype|core.VarDesc.VarType, 可选) - 输出Tensor的数据类型，支持float32、float64。默认值为float32。

  • name (str, 可选) - 输出的名字。一般无需设置，默认值为None。该参数供开发人员打印调试信息时使用，具体用法请参见 Name 。

返回：

Tensor：符合高斯随机分布的Tensor，形状为 shape，数据类型为 dtype。

抛出异常：

  • TypeError - 如果 shape 的类型不是list、tuple、Tensor。

  • TypeError - 如果 dtype 不是float32、float64。

代码示例：

  1. # 静态图使用
  2. import numpy as np
  3. from paddle import fluid
  5. x = fluid.layers.gaussian_random((2, 3), std=2., seed=10)
  7. place = fluid.CPUPlace()
  8. exe = fluid.Executor(place)
  9. start = fluid.default_startup_program()
  10. main = fluid.default_main_program()
  12. exe.run(start)
  13. x_np, = exe.run(main, feed={}, fetch_list=[x])
  15. x_np
  16. # array([[2.3060477, 2.676496 , 3.9911983],
  17. #        [0.9990833, 2.8675377, 2.2279181]], dtype=float32)
  1. # 动态图使用
  2. import numpy as np
  3. from paddle import fluid
  4. import paddle.fluid.dygraph as dg
  6. place = fluid.CPUPlace()
  7. with dg.guard(place) as g:
  8.     x = fluid.layers.gaussian_random((2, 4), mean=2., dtype="float32", seed=10)
  9.     x_np = x.numpy()
  10. x_np
  11. # array([[2.3060477 , 2.676496  , 3.9911983 , 0.9990833 ],
  12. #        [2.8675377 , 2.2279181 , 0.79029655, 2.8447366 ]], dtype=float32)