uniform_random

    该OP返回数值服从范围[, max)内均匀分布的随机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。

    • 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。

    • max (float|int，可选) - 要生成的随机值范围的上限，max不包含在范围中。支持的数据类型：float、int。默认值为1.0。

    • seed (int，可选) - 随机种子，用于生成样本。0表示使用系统生成的种子。注意如果种子不为0，该操作符每次都生成同样的随机数。支持的数据类型：int。默认为 0。

    • 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：

    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：

    2. import numpy as np
    4. train_program = fluid.Program()
    5. with fluid.program_guard(train_program, startup_program):
    6.     # example 1:
    7.     # attr shape is a list which doesn't contain Tensor.
    8.     result_1 = fluid.layers.uniform_random(shape=[3, 4])
    10.     # example 2:
    11.     # attr shape is a list which contains Tensor.
    12.     dim_1 = fluid.layers.fill_constant([1],"int64",3)
    13.     dim_2 = fluid.layers.fill_constant([1],"int32",5)
    15.     # example 3:
    16.     # attr shape is a Tensor, the data type must be int32 or int64
    17.     var_shape = fluid.data(name='var_shape', shape=[2], dtype="int64")
    18.     result_3 = fluid.layers.uniform_random(var_shape)
    19.     var_shape_int32 = fluid.data(name='var_shape_int32', shape=[2], dtype="int32")
    20.     result_4 = fluid.layers.uniform_random(var_shape_int32)
    21.     shape_1 = np.array([3,4]).astype("int64")
    22.     shape_2 = np.array([3,4]).astype("int32")
    24.     exe = fluid.Executor(fluid.CPUPlace())
    25.     exe.run(startup_program)