在使用PyTorch做實(shí)驗(yàn)時經(jīng)常會用到生成隨機(jī)數(shù)Tensor的方法，比如：

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

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

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

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

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

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

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]

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(diǎn)。

輸出張量的長度由steps決定。

參數(shù)：

start (float) - 區(qū)間的起始點(diǎn)
end (float) - 區(qū)間的終點(diǎn)
steps (int) - 在start和end間生成的樣本數(shù)
out (Tensor, optional) - 結(jié)果張量

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

到此這篇關(guān)于Pytorch生成隨機(jī)數(shù)Tensor的方法匯總的文章就介紹到這了,更多相關(guān)Pytorch生成隨機(jī)數(shù)Tensor內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論