PyTorch之torch.randn()如何创建正态分布随机数
gy笨瓜 人气:0torch.randn()如何创建正态分布随机数
torch.randn(*size)从均值为0，方差为1的正态分布中获取随机数
【sample】
In [1]: import torch In [2]: torch.randn(3) Out[2]: tensor([1.7896, 0.7974, 0.7416]) In [3]: torch.randn(2,3) Out[3]: tensor([[ 0.4030, -0.3138, -0.7579], [-0.1486, 1.0306, 0.0734]]) In [4]: torch.randn(()) Out[4]: tensor(-0.8383) # 维度为0
torch之随机数生成方式
torch.rand() torch.randn() torch.normal() torch.linespace()
1. 均匀分布
torch.rand(*sizes, out=None) → Tensor
返回一个张量，包含了从区间[0, 1)的均匀分布中抽取的一组随机数。张量的形状由参数sizes定义。
参数：
sizes (int...)- 整数序列，定义了输出张量的形状out (Tensor, optinal)- 结果张量
例子：
torch.rand(2, 3) 0.0836 0.6151 0.6958 0.6998 0.2560 0.0139 [torch.FloatTensor of size 2x3]
2. 标准正态分布
torch.randn(*sizes, out=None) → Tensor
返回一个张量，包含了从标准正态分布（均值为0，方差为1，即高斯白噪声）中抽取的一组随机数。张量的形状由参数sizes定义。
参数：
sizes (int...)- 整数序列，定义了输出张量的形状out (Tensor, optinal)- 结果张量
例子：
torch.randn(2, 3) 0.5419 0.1594 -0.0413 -2.7937 0.9534 0.4561 [torch.FloatTensor of size 2x3]
3.离散正态分布
torch.normal(means, std, out=None) → → Tensor
返回一个张量，包含了从指定均值means和标准差std的离散正态分布中抽取的一组随机数。
标准差std是一个张量，包含每个输出元素相关的正态分布标准差。
参数：
means (float, optional)- 均值std (Tensor)- 标准差out (Tensor)- 输出张量
例子：
torch.normal(mean=0.5, std=torch.arange(1, 6)) -0.1505 -1.2949 -4.4880 -0.5697 -0.8996 [torch.FloatTensor of size 5]
4.线性间距向量
torch.linspace(start, end, steps=100, out=None) → Tensor
返回一个1维张量，包含在区间start和end上均匀间隔的step个点。
输出张量的长度由steps决定。
参数：
start (float)- 区间的起始点end (float)- 区间的终点steps (int)- 在start和end间生成的样本数out (Tensor, optional)- 结果张量
例子：
torch.linspace(3, 10, steps=5) 3.0000 4.7500 6.5000 8.2500 10.0000 [torch.FloatTensor of size 5]
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。
加载全部内容