PyTorch之torch.randn()如何創(chuàng)建正態(tài)分布隨機(jī)數(shù)
更新時間：2023年02月02日 09:17:59 作者：gy笨瓜
這篇文章主要介紹了PyTorch之torch.randn()如何創(chuàng)建正態(tài)分布隨機(jī)數(shù)問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教
torch.randn()如何創(chuàng)建正態(tài)分布隨機(jī)數(shù)
torch.randn(*size)從均值為0，方差為1的正態(tài)分布中獲取隨機(jī)數(shù)
【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) # 維度為0
torch之隨機(jī)數(shù)生成方式
torch.rand()?? ? torch.randn() torch.normal() torch.linespace()
1. 均勻分布
torch.rand(*sizes, out=None) → Tensor
返回一個張量，包含了從區(qū)間[0, 1)的均勻分布中抽取的一組隨機(jī)數(shù)。張量的形狀由參數(shù)sizes定義。
參數(shù)：
sizes (int...)- 整數(shù)序列，定義了輸出張量的形狀out (Tensor, optinal)- 結(jié)果張量
例子：
torch.rand(2, 3) 0.0836 0.6151 0.6958 0.6998 0.2560 0.0139 [torch.FloatTensor of size 2x3]
2. 標(biāo)準(zhǔn)正態(tài)分布
torch.randn(*sizes, out=None) → Tensor
返回一個張量，包含了從標(biāo)準(zhǔn)正態(tài)分布（均值為0，方差為1，即高斯白噪聲）中抽取的一組隨機(jī)數(shù)。張量的形狀由參數(shù)sizes定義。
參數(shù)：
sizes (int...)- 整數(shù)序列，定義了輸出張量的形狀out (Tensor, optinal)- 結(jié)果張量
例子：
torch.randn(2, 3) 0.5419 0.1594 -0.0413 -2.7937 0.9534 0.4561 [torch.FloatTensor of size 2x3]
3.離散正態(tài)分布
torch.normal(means, std, out=None) → → Tensor
返回一個張量，包含了從指定均值means和標(biāo)準(zhǔn)差std的離散正態(tài)分布中抽取的一組隨機(jī)數(shù)。
標(biāo)準(zhǔn)差std是一個張量，包含每個輸出元素相關(guān)的正態(tài)分布標(biāo)準(zhǔn)差。
參數(shù)：
means (float, optional)- 均值std (Tensor)- 標(biāo)準(zhǔn)差out (Tensor)- 輸出張量
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.線性間距向量
torch.linspace(start, end, steps=100, out=None) → Tensor
返回一個1維張量，包含在區(qū)間start和end上均勻間隔的step個點。
輸出張量的長度由steps決定。
參數(shù)：
start (float)- 區(qū)間的起始點end (float)- 區(qū)間的終點steps (int)- 在start和end間生成的樣本數(shù)out (Tensor, optional)- 結(jié)果張量
例子：
torch.linspace(3, 10, steps=5) 3.0000 4.7500 6.5000 8.2500 10.0000 [torch.FloatTensor of size 5]
總結(jié)
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
ASCII碼是基于拉丁字母的一套電腦編碼系統(tǒng)，主要用于顯示現(xiàn)代英語和其他西歐語言。本文將利用Python制作一個ASCII碼轉(zhuǎn)換器，感興趣的可以動手試一試2022-02-02
這篇文章主要介紹了matplotlib在python上繪制3D散點圖實例詳解，首先介紹了官網(wǎng)的實例，然后分享了本文簡單代碼示例，具有一定借鑒價值，需要的朋友可以了解下。2017-12-12
在工作中難免會遇到解析 HTML 的場景,比如將網(wǎng)頁下載下來之后,要解析出里面圖片的路徑、指定標(biāo)簽里的文本等等,而 pyquery 專門負(fù)責(zé)做這件事,下面我們就來學(xué)習(xí)一下他的具體用法吧2023-12-12
這篇文章主要介紹了Python中的json內(nèi)置庫詳解,在學(xué)習(xí)做自動化測試的過程中,python 里有一個內(nèi)置的 json 庫,必須要學(xué)習(xí)好,json 是用于存儲和交換數(shù)據(jù)的語法,是一種輕量級的數(shù)據(jù)交換式使用場景,需要的朋友可以參考下2023-08-08
這篇文章主要給大家介紹了關(guān)于Python中類的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家學(xué)習(xí)或者使用Python具有一定的參考學(xué)習(xí)價值，需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧2021-09-09
今天小編就為大家分享一篇解決python3 pika之連接斷開的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
Python for Informatics 第11章之正則表達(dá)式（四）
這篇文章主要介紹了Python for Informatics 第11章之正則表達(dá)式（四） 的相關(guān)資料,需要的朋友可以參考下2016-04-04
python 列表合并字符串，我們一般會用到字符串的join方法來操作。下面通過代碼的形式，詳細(xì)的說下list怎么拼成字符串？2013-03-03
python實現(xiàn)讀取Excel內(nèi)容并展示成json
這篇文章主要為大家詳細(xì)介紹了如何使用python實現(xiàn)讀取Excel內(nèi)容并展示成json功能,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以參考一下2023-12-12
Python如何存儲數(shù)據(jù)到j(luò)son文件
這篇文章主要介紹了Python如何存儲數(shù)據(jù)到j(luò)son文件,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-03-03