PyTorch之torch.randn()如何创建正态分布随机数

目录

• torch.randn()如何创建正态分布随机数
• torch之随机数生成方式
• 1. 均匀分布
• 2. 标准正态分布
• 3.离散正态分布
• 4.线性间距向量
• 总结

torch.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脚本之家。