如何使用tf.random.uniform生成无重复的随机整数索引

你当前使用的tf.random.uniform属于有放回抽样，每次生成的数值相互独立，因此必然会出现重复值。要获得无重复的随机索引，改用无放回随机抽样的实现即可，下面给出两种可行方案：

方案1：使用tf.random.choice（推荐，代码最简） #

TensorFlow原生提供的随机抽样API，直接设置replace=False即可实现不放回抽样，天然保证结果无重复，替换后的代码如下：

indices = tf.random.choice(
    size_for_layer[index],  # 抽样的总值域上限，对应原代码的maxval参数
    size=[size_for_layer_submodel[index], ],  # 输出张量的shape，对应原代码的shape参数
    replace=False,  # 核心参数：不放回抽样，避免重复值
    dtype=tf.dtypes.int64,
    seed=seed
)

注意事项：

• 需满足size_for_layer_submodel[index] ≤ size_for_layer[index]，否则会触发参数错误，这是无放回抽样的逻辑限制：无法从N个元素中抽出多于N个的不重复值。
• 该API在TensorFlow 2.4及以上版本稳定可用，低版本TensorFlow可使用下面的方案2。

方案2：打乱序列后切片（兼容性最好） #

逻辑是先生成0到maxval-1的完整连续整数序列，打乱顺序后取前N个，结果天然无重复，代码如下：

# 生成完整的索引序列
full_indices = tf.range(size_for_layer[index], dtype=tf.dtypes.int64)
# 随机打乱序列顺序
shuffled_indices = tf.random.shuffle(full_indices, seed=seed)
# 截取前N个元素作为最终结果
indices = shuffled_indices[:size_for_layer_submodel[index]]

注意事项：如果size_for_layer[index]数值极大（如超过1e6），该方案会生成一个很长的临时张量，占用更多内存，这种场景优先使用方案1。

内容的提问来源于stack exchange，提问作者kevinDong