maxframe.tensor.random.random_integers#

maxframe.tensor.random.random_integers(low, high=None, size=None, chunk_size=None, gpu=None)[源代码]#

在 low 和 high 之间（包括两者）生成类型为 mt.int 的随机整数。

从闭区间 [low, high] 内的“离散均匀”分布中返回类型为 mt.int 的随机整数。如果 high 为 None（默认值），则结果来自 [1, low]。np.int 类型会转换为 Python 2 中用于“短整数”的 C long 类型，其精度取决于平台。

此函数已被弃用。请改用 randint。

参数:

  • low (int) -- 从分布中抽取的最小（有符号）整数（除非 high=None，在这种情况下此参数是最大的此类整数）。

  • high (int, optional) -- 如果提供此参数，则是从分布中抽取的最大（有符号）整数（如果 high=None，请参见上文的行为说明）。

  • size (int or tuple of ints, optional) -- 输出形状。如果给定的形状是例如 (m, n, k)，则抽取 m * n * k 个样本。默认值为 None，这种情况下返回单个值。

  • chunk_size (int or tuple of int or tuple of ints, optional) -- 每个维度上期望的块大小

  • gpu (bool, optional) -- 如果为 True，则在 GPU 上分配张量，默认为 False

返回:

out -- 来自适当分布的 size 形状的随机整数数组，如果未提供 size，则返回单个这样的随机整数。

返回类型:

int or Tensor of ints

参见

random.randint

与 random_integers 类似，但用于半开区间 [low, high)，如果省略 high，则 0 是最小值。

备注

要从 a 和 b 之间的 N 个等间距浮点数中采样，请使用：

a + (b - a) * (np.random.random_integers(N) - 1) / (N - 1.)

示例

>>> import maxframe.tensor as mt

>>> mt.random.random_integers(5).execute()
4
>>> type(mt.random.random_integers(5).execute())
<type 'int'>
>>> mt.random.random_integers(5, size=(3,2)).execute()
array([[5, 4],
       [3, 3],
       [4, 5]])

从 0 到 2.5 之间（包括两者）五个等间距数字的集合中选择五个随机数（即从集合 \({0, 5/8, 10/8, 15/8, 20/8}\) 中选择）：

>>> (2.5 * (mt.random.random_integers(5, size=(5,)) - 1) / 4.).execute()
array([ 0.625,  1.25 ,  0.625,  0.625,  2.5  ])

掷两次六面骰子共 1000 次，并将结果相加：

>>> d1 = mt.random.random_integers(1, 6, 1000)
>>> d2 = mt.random.random_integers(1, 6, 1000)
>>> dsums = d1 + d2

将结果以直方图形式显示：

>>> import matplotlib.pyplot as plt
>>> count, bins, ignored = plt.hist(dsums.execute(), 11, normed=True)
>>> plt.show()