随机操作

[源代码]

beta 函数

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

从 Beta 分布中抽取样本。

这些值是从由 alpha 和 beta 参数化的 Beta 分布中抽取的。

参数

• shape：要生成的随机值的形状。
• alpha：浮点数或浮点数数组，表示第一个参数 alpha。必须与 beta 和 shape 广播兼容。
• beta：浮点数或浮点数数组，表示第二个参数 beta。必须与 alpha 和 shape 广播兼容。
• dtype：张量的可选数据类型。仅支持浮点类型。如果未指定，则使用 keras.config.floatx()，默认为 float32，除非您对其进行了其他配置（通过 keras.config.set_floatx(float_dtype)）。
• seed：Python 整数或 keras.random.SeedGenerator 的实例。用于使初始化程序的行为确定性。请注意，使用整数或 None（未设置种子）作为种子的初始化程序将在多次调用中产生相同的随机值。若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。

[源代码]

binomial 函数

keras.random.binomial(shape, counts, probabilities, dtype=None, seed=None)

从二项分布中抽取样本。

这些值是从具有指定试验次数和成功概率的二项分布中抽取的。

参数

• shape：要生成的随机值的形状。
• counts：表示试验次数的数字或数字数组。它必须与 probabilities 广播兼容。
• probabilities：表示单个事件成功概率的浮点数或浮点数数组。它必须与 counts 广播兼容。
• dtype：张量的可选数据类型。仅支持浮点类型。如果未指定，则使用 keras.config.floatx()，默认为 float32，除非您对其进行了其他配置（通过 keras.config.set_floatx(float_dtype)）。
• seed：Python 整数或 keras.random.SeedGenerator 的实例。用于使初始化程序的行为确定性。请注意，使用整数或 None（未设置种子）作为种子的初始化程序将在多次调用中产生相同的随机值。若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。

[源代码]

categorical 函数

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

从分类分布中抽取样本。

此函数将 logits 作为输入，logits 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，其中每一列索引包含给定类的对数概率。

该函数将输出一个形状为 (batch_size, num_samples) 的二维张量，其中每一行包含来自 logits 中对应行的样本。每一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。每一行都应定义一个分类分布，其中包含所有类的非标准化对数概率。
• num_samples：整数，为输入的每一行抽取的独立样本数量。这将是输出张量形状的第二维。
• dtype：输出张量的可选数据类型。
• seed：Python 整数或 keras.random.SeedGenerator 的实例。用于使初始化程序的行为确定性。请注意，使用整数或 None（未设置种子）作为种子的初始化程序将在多次调用中产生相同的随机值。若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。

返回值

一个形状为 (batch_size, num_samples) 的二维张量。

[源代码]

dropout 函数

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

[源代码]

gamma 函数

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

从 Gamma 分布中抽取随机样本。

参数

• shape：要生成的随机值的形状。
• alpha：浮点数，分布的参数。
• dtype：张量的可选数据类型。仅支持浮点类型。如果未指定，则使用 keras.config.floatx()，默认为 float32，除非您对其进行了其他配置（通过 keras.config.set_floatx(float_dtype)）。
• seed：Python 整数或 keras.random.SeedGenerator 的实例。用于使初始化程序的行为确定性。请注意，使用整数或 None（未设置种子）作为种子的初始化程序将在多次调用中产生相同的随机值。若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。

[源代码]

normal 函数

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

从正态（高斯）分布中抽取随机样本。

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：张量的可选数据类型。仅支持浮点类型。如果未指定，则使用 keras.config.floatx()，默认为 float32，除非您对其进行了其他配置（通过 keras.config.set_floatx(float_dtype)）。
• seed：Python 整数或 keras.random.SeedGenerator 的实例。用于使初始化程序的行为确定性。请注意，使用整数或 None（未设置种子）作为种子的初始化程序将在多次调用中产生相同的随机值。若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。

[源代码]

randint 函数

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

从均匀分布中抽取随机整数。

生成的数值遵循范围 [minval, maxval) 内的均匀分布。下界 minval 包含在范围内，而上界 maxval 不包含在范围内。

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。要生成的随机值的范围的下界（包含）。
• maxval：浮点数，默认为 1。要生成的随机值的范围的上界（不包含）。
• dtype：张量的可选数据类型。仅支持整数类型。如果未指定，则使用 keras.config.floatx()，默认为 float32，除非您对其进行了其他配置（通过 keras.config.set_floatx(float_dtype)）。
• seed：Python 整数或 keras.random.SeedGenerator 的实例。用于使初始化程序的行为确定性。请注意，使用整数或 None（未设置种子）作为种子的初始化程序将在多次调用中产生相同的随机值。若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。

[源代码]

shuffle 函数

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

沿某个轴随机均匀地打乱张量的元素。

参数

• x：要打乱的张量。
• axis：指定打乱轴的整数。默认为 0。
• seed：Python 整数或 keras.random.SeedGenerator 的实例。用于使初始化程序的行为确定性。请注意，使用整数或 None（未设置种子）作为种子的初始化程序将在多次调用中产生相同的随机值。若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。

[源代码]

truncated_normal 函数

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

从截断的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，丢弃并重新绘制任何超出均值两个标准差的样本。

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：张量的可选数据类型。仅支持浮点类型。如果未指定，则使用 keras.config.floatx()，默认为 float32，除非您对其进行了其他配置（通过 keras.config.set_floatx(float_dtype)）。
• seed：Python 整数或 keras.random.SeedGenerator 的实例。用于使初始化程序的行为确定性。请注意，使用整数或 None（未设置种子）作为种子的初始化程序将在多次调用中产生相同的随机值。若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。

[源代码]

uniform 函数

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

从均匀分布中抽取样本。

生成的数值遵循范围 [minval, maxval) 内的均匀分布。下界 minval 包含在范围内，而上界 maxval 不包含在范围内。

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。要生成的随机值的范围的下界（包含）。
• maxval：浮点数，默认为 1。要生成的随机值的范围的上界（不包含）。
• dtype：张量的可选数据类型。仅支持浮点类型。如果未指定，则使用 keras.config.floatx()，默认为 float32，除非您对其进行了其他配置（通过 keras.config.set_floatx(float_dtype)）。
• seed：Python 整数或 keras.random.SeedGenerator 的实例。用于使初始化程序的行为确定性。请注意，使用整数或 None（未设置种子）作为种子的初始化程序将在多次调用中产生相同的随机值。若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。