跳转至

Theano 随机数流变量

In [1]:

import theano
import theano.tensor as T
import numpy as np
Using gpu device 1: Tesla C2075 (CNMeM is disabled)

Theano 的随机数变量由 theano.sandbox.rng_mrg 中的 MRG_RandomStreams 实现(sandbox 表示是实验代码):

In [2]:

from theano.sandbox.rng_mrg import MRG_RandomStreams

新建一个 MRG_RandomStreams(seed=12345, use_cuda=None) 实例:

In [3]:

srng = MRG_RandomStreams()

它支持以下方法:

  • normal(size, avg=0.0, std=1.0, ndim=None, dtype=None, nstreams=None)
    • 产生指定形状的、服从正态分布 \(N(avg, std)\) 的随机数变量,默认为标准正态分布
  • uniform(size, low=0.0, high=1.0, ndim=None, dtype=None, nstreams=None)
    • 产生指定形状的、服从均匀分布 \(U(low, high)\) 的随机数变量,默认为 0-1 之间的均匀分布
  • binomial(size=None, n=1, p=0.5, ndim=None, dtype='int64', nstreams=None)
    • 产生指定形状的、服从二项分布 \(B(n,p)\) 的随机数变量
  • multinomial(size=None, n=1, pvals=None, ndim=None, dtype='int64', nstreams=None)
    • 产生指定形状的、服从多项分布的随机数变量

与 np.random.random 不同,它产生的是随机数变量,而不是随机数数组,因此可以将 size 作为参数传给它:

In [4]:

rand_size = T.vector(dtype="int64")

rand_normal = srng.normal(rand_size.shape)
rand_uniform = srng.uniform(rand_size.shape)
rand_binomial = srng.binomial(rand_size.shape)

f_rand = theano.function(inputs = [rand_size], 
                         outputs = [rand_normal, rand_uniform, rand_binomial])

print f_rand(range(5))[0]
print f_rand(range(5))[1]
print f_rand(range(5))[2]
[ 0.10108768 -1.64354193  0.71042836 -0.77760422  0.06291872]
[ 0.23193923  0.71880513  0.03122572  0.97318739  0.99260223]
[0 1 0 1 1]


回到顶部