random.uniform()详解

• 人工智能

一、函数介绍

函数原型： numpy.random.uniform(low,high,size)

功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.

random.uniform(shape,
                   minval=0,
                   maxval=None,
                   dtype=dtypes.float32,
                   seed=None,
                   name=None)

参数解释：

  • shape： 张量形状
  • minval： 随机值范围下限，默认0
  • maxval:   随机值范围上限（若薇浮点数，则默认为1)
  • dtype：   输出的类型：float16、float32、float64、int32、orint64
  • seed：    整数作为随机数种子
  • name：  操作的名称(可选)

二、举例

代码：

# -------创建词汇查找表---------
vocab = ["<1H OCEAN", "INLAND", "NEAR OCEAN", "NEAR BAY", "ISLAND"]
indices = tf.range(len(vocab),dtype=tf.int64)  # 创建索引张量
table_init = tf.lookup.KeyValueTensorInitializer(vocab, indices)  # 查找表初始化程序
num_oov_buckets = 2  # 词汇表外的捅的大小（分配给未知单词，如果太小则会出现重复）
table = tf.lookup.StaticVocabularyTable(table_init, num_oov_buckets)  # 创建查找表

embedding_dim = 2
embed_init = tf.random.uniform([len(vocab) + num_oov_buckets, embedding_dim])  # 生成7*2的张量
embedding_matrix = tf.Variable(embed_init)
print(embedding_matrix)

输出：


                                                        
本文来自网络，不代表协通编程立场，如若转载，请注明出处：https://www.net2asp.com/677693f77b.html
                        

                        

                            

                            

                                
 赞 (0)


                                                            


                            

                                

                                                                        

                                        

                                                                                                                                                                            

                                        
                                        

                                            
                                        

                                    

                                

                            


                            

                                                                    

                                        
                                        

                                            « 上一篇
                                            1天前
                                        

                                    

                                                                                                    

                                        
                                        

                                            下一篇  »
                                            1天前
                                        

                                    

                                                            

                                                        
相关推荐