随机

MLX中的随机抽样函数默认使用隐式的全局PRNG状态。然而，所有函数都接受一个可选的key关键字参数，以便在需要更细粒度的控制或显式状态管理时使用。

例如，您可以使用以下方式生成随机数：

for _ in range(3):
  print(mx.random.uniform())

这将打印一系列唯一的伪随机数。或者，您可以显式设置密钥：

key = mx.random.key(0)
for _ in range(3):
  print(mx.random.uniform(key=key))

在每次迭代时都会产生相同的伪随机数。

遵循JAX的PRNG设计，我们使用了Threefry的可分割版本，这是一种基于计数器的PRNG。

bernoulli([p, shape, key, stream])	生成伯努利随机值。
categorical(logits[, axis, shape, ...])	从分类分布中采样。
gumbel([shape, dtype, key, stream])	从标准Gumbel分布中采样。
key(seed)	从种子中获取一个伪随机数生成器（PRNG）密钥。
normal([shape, dtype, loc, scale, key, stream])	生成正态分布的随机数。
multivariate_normal(mean, cov[, shape, ...])	给定均值和协方差生成联合正态随机样本。
randint(low, high[, shape, dtype, key, stream])	从给定区间生成随机整数。
seed(seed)	为全局伪随机数生成器设置种子。
split(key[, num, stream])	将PRNG密钥拆分为子密钥。
truncated_normal(lower, upper[, shape, ...])	从截断正态分布生成值。
uniform([low, high, shape, dtype, key, stream])	生成均匀分布的随机数。
laplace([shape, dtype, loc, scale, key, stream])	从拉普拉斯分布中抽取样本。
permutation(x[, axis, key, stream])	生成一个随机排列或对数组的条目进行排列。