Python 官方文档：入门教程 => 点击学习
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
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0torch.rand()
torch.randn()
torch.nORMal()
torch.linespace()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]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]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]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]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编程网。
--结束END--
本文标题: PyTorch之torch.randn()如何创建正态分布随机数
本文链接: https://lsjlt.com/news/193918.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
官方手机版
微信公众号
商务合作
0