Функция random.create_rng_state

Функция random.create_rng_state создает тензор состояния генератора случайных чисел (RNG state). Первым параметром функция принимает целочисленное зерно (seed), которое определяет начальное состояние генератора. Вторым параметром передается алгоритм генерации. Полученное состояние можно использовать в операциях со случайными числами для воспроизводимости результатов.

Синтаксис

tf.random.create_rng_state(seed, alg)

Пример

Давайте создадим состояние генератора случайных чисел с зерном 42 и алгоритмом philox:

import tensorflow as tf

state = tf.random.create_rng_state(42, "philox")
print(state)

Результат выполнения кода:

tf.Tensor([42 0 0], shape=(3,), dtype=int64)

Пример

Давайте создадим состояние с алгоритмом threefry и выведем его форму и тип данных:

import tensorflow as tf

state = tf.random.create_rng_state(123, "threefry")
print(state)
print(state.shape)
print(state.dtype)

Результат выполнения кода:

tf.Tensor([123   0], shape=(2,), dtype=int64)
(2,)
<dtype: 'int64'>

Пример

Давайте используем созданное состояние для генерации случайных чисел и убедимся в воспроизводимости:

import tensorflow as tf

state = tf.random.create_rng_state(42, "philox")
t1 = tf.random.stateless_normal([3], seed=state)
t2 = tf.random.stateless_normal([3], seed=state)
print(t1)
print(t2)
print(tf.reduce_all(tf.equal(t1, t2)))

Результат выполнения кода:

tf.Tensor([-0.5060676   0.75360477  0.39380622], shape=(3,), dtype=float32)
tf.Tensor([-0.5060676   0.75360477  0.39380622], shape=(3,), dtype=float32)
tf.Tensor(True, shape=(), dtype=bool)

Смотрите также

функцию stateless_normal,
которая генерирует случайные числа из нормального распределения
функцию stateless_uniform,
которая генерирует случайные числа из равномерного распределения
функцию set_seed,
которая устанавливает глобальное зерно генератора
функцию split,
которая разделяет состояние генератора на несколько частей