Pytorch中如何汇总生成随机数Tensor的不同方法？

本文共计638个文字，预计阅读时间需要3分钟。

在使用PyTorch进行实验时，经常会使用生成随机数的函数，如以下几种：

- `torch.rand()`- `torch.randn()`- `torch.normal()`- `torch.linspace()`

这些函数可以生成不同的随机数分布：

- 均匀分布：`torch.rand()`- 标准正态分布：`torch.randn()`- 高斯分布：`torch.normal()`- 线性空间分布：`torch.linspace()`

例如，`torch.rand(size, out=None)` 返回一个包含随机浮点数的Tensor，范围在[0, 1)之间。

在使用PyTorch做实验时经常会用到生成随机数Tensor的方法，比如：

• torch.rand()
• torch.randn()
• torch.normal()
• torch.linespace()

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

torch.rand(2, 3) [[0.0836 0.6151 0.6958], [0.6998 0.2560 0.0139]] [torch.FloatTensor of size 2x3]

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

torch.randn(2, 3) 0.5419 0.1594 -0.0413 -2.7937 0.9534 0.4561 [torch.FloatTensor of size 2x3]

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

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]

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

torch.linspace(3, 10, steps=5) 3.0000 4.7500 6.5000 8.2500 10.0000 [torch.FloatTensor of size 5]

到此这篇关于Pytorch生成随机数Tensor的方法汇总的文章就介绍到这了,更多相关Pytorch生成随机数Tensor内容请搜索易盾网络以前的文章或继续浏览下面的相关文章希望大家以后多多支持易盾网络！