Python中随机向量的再生
Python中随机向量的再生
提问于 2016-04-10 22:03:36
我正在尝试生成和再生随机法线的向量。
我想通过生成大小为100x3的随机法线矩阵和平均值为0和sd 1的随机法线来实现以下目标：
seed1 = '123'
seed2 = 'asd'
randMatrixrows = 100
randMatrixcols = 3
mu = 0
sd = 1
normRand1 = rekina_normRandomGenerator( seed1, randMatrixrows, randMatrixcols, mu, sd ) #normRand1 is of size 100x3
normRand2 = rekina_normRandomGenerator( seed2, randMatrixrows, randMatrixcols, mu, sd )
normRand3 = rekina_normRandomGenerator( seed1, randMatrixrows, randMatrixcols, mu, sd )
normRand4 = rekina_normRandomGenerator( seed2, randMatrixrows, randMatrixcols, mu, sd )
err1 = normRand1 - normRand3
err2 = normRand2 - normRand4err1和err2的每个元素应该是0。
我也尝试过阅读，但是作为Python新手，我对这个实现完全失去了兴趣。我希望有一个简单的实现来演示如何使用CBRNG。
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-04-19 09:01:09
您最初认为必须使用reikna.cbrng.CBRNG的假设是正确的。它似乎提供了大量基于反式RNG的伪随机源和分布，这可能会让人感到困惑。它还提供了创建具有给定分布的随机数生成器的快捷键。
from reikna.core import Type
from reikna.cbrng import CBRNG
from reikna.cluda import any_api
import numpy as np
# Get any supported API for this system, or an exception
_api = any_api()
# The global CLUDA Thread, wrapping context, shared by all
# reikna_norm_rng's
_thr = _api.Thread.create()
def reikna_norm_rng(seed, rows, cols, mean, std,
dtype=np.float32,
generators_dim=1):
"""
A do-all generator function for creating a new Computation
returning a stream of pseudorandom number arrays.
"""
# The Type of the output array
randoms_arr = Type(dtype, (rows, cols))
# Shortcut for creating a Sampler for normally distributed
# random numbers
rng = CBRNG.normal_bm(randoms_arr=randoms_arr,
generators_dim=generators_dim,
sampler_kwds=dict(mean=mean, std=std),
# Reikna expects a positive integer. This is a
# quick and *dirty* solution.
seed=abs(hash(seed)))
compiled_comp = rng.compile(_thr)
# RNG "state"
counters = _thr.to_device(rng.create_counters())
# Output array
randoms = _thr.empty_like(compiled_comp.parameter.randoms)
while True:
compiled_comp(counters, randoms)
yield randoms.get()若要在行动中看到它，请添加：
if __name__ == '__main__':
seed1 = '123'
seed2 = 'asd'
rows, cols = 100, 3
mu, sd = 0, 1
# This will create a new RNG, take 1 result and throw the RNG away
r1 = next(reikna_norm_rng(seed1, rows, cols, mu, sd))
r2 = next(reikna_norm_rng(seed2, rows, cols, mu, sd))
r3 = next(reikna_norm_rng(seed1, rows, cols, mu, sd))
r4 = next(reikna_norm_rng(seed2, rows, cols, mu, sd))
err1 = r1 - r3
err2 = r2 - r4
print("all(err1 == 0):", np.all(err1 == 0))
print("all(err2 == 0):", np.all(err2 == 0))我还想确保用这两种不同的种子生成的随机画没有相关性。
这取决于执行的质量。以下是2组种子和1组数字的绘制方法：
rng1 = reikna_norm_rng(0, 100, 10000, 0, 1)
rng2 = reikna_norm_rng(1, 100, 10000, 0, 1)
A = next(rng1)
B = next(rng2)
A_r = A.ravel()
B_r = B.ravel()
for i in range(0, A_r.size, 1000):
plot(A_r[i:i+1000], B_r[i:i+1000], 'b.')
免责声明
这是我第一次和雷克纳一起跑。上面的代码可能不会像筛子一样及时释放资源和/或泄漏。它使用的是全局Thread，在更大的应用程序中这可能不是您想要的。
PS
np.random.seed(seed)
np.random.normal(0, 1, (100, 3))还生成形状为(100，3)的正态分布随机数数组，尽管它不使用GPU。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/36536062
复制相关文章
相似问题
腾讯云开发者
