TensorFlow random.uniform()输出不均？请求技术排查

我尝试用以下代码测试TensorFlow的random.uniform()函数是否输出近似均匀分布：

value_count = {1: 0,
               2: 0,
               3: 0,
               4: 0,
               5: 0}


import matplotlib.pyplot as plt
import numpy as np


for i in range(0, 10000):
    random_1 = tf.random.uniform(shape=(1,), minval=1, maxval=6, dtype=tf.int32)
    value_count[int(random_1[0])] = value_count[int(random_1[0])] + 1

keys, values = zip(*value_count.items())
print(keys)

plt.plot(keys, values)
plt.show()

我预期得到近似平行于X轴的直线，但两次运行结果均不符合预期，从未出现近似水平的直线。请问我是否操作有误，或是对该函数的理解存在偏差？

核心问题与修正方案 #

1. 缺少TensorFlow库导入
   代码中直接使用tf前缀调用API，但未导入TensorFlow，会导致运行报错。需在代码开头添加：

   import tensorflow as tf
   

2. 可视化方式不直观
   用折线图展示离散数值的计数，容易放大视觉上的小波动，改用柱状图更能清晰呈现均匀分布的特征——每个数值的出现次数应集中在2000左右（10000次采样，5个数值均分）。

3. 循环采样效率低
   逐个生成样本的循环可以用向量化操作替代，既提升效率，也能避免循环中的潜在问题，结果更稳定。

修正后的完整代码 #

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

# 一次性生成10000个[1,6)区间的整数（即1-5）
random_values = tf.random.uniform(shape=(10000,), minval=1, maxval=6, dtype=tf.int32).numpy()

# 统计每个数值的出现次数
keys = [1, 2, 3, 4, 5]
values = [np.sum(random_values == k) for k in keys]

# 用柱状图展示分布
plt.bar(keys, values)
plt.title("TensorFlow random.uniform() 分布统计")
plt.xlabel("数值")
plt.ylabel("出现次数")
plt.ylim(1800, 2200)  # 限制y轴范围，更易观察均匀性
plt.show()

关于函数的理解验证 #

你对tf.random.uniform()的区间理解是正确的：对于整数类型的输出，该函数遵循左闭右开区间规则，即minval ≤ 生成值 < maxval，所以minval=1, maxval=6确实只会生成1-5的整数。10000次采样下，每个数值的出现次数理论均值为2000，实际结果会在均值附近小幅波动（标准差约为40），符合均匀分布的预期。

内容的提问来源于stack exchange，提问作者Deepak Tatyaji Ahire