Pytorch隨機(jī)數(shù)生成常用的4種方法匯總
一、torch.rand()：構(gòu)造均勻分布張量的方法
torch.rand是用于生成均勻隨機(jī)分布張量的函數(shù)，從區(qū)間[0,1)的均勻分布中隨機(jī)抽取一個隨機(jī)數(shù)生成一個張量，其調(diào)用方法如下所示：
torch.rand(sizes, out=None) ?? Tensor
其中，
sizes：用于定義輸出張量的形狀
簡單的示例代碼如下所示：
import torch # 生成一個每個元素服從0-1均勻分布的4行3列隨機(jī)張量 tensor_1 = torch.rand(4, 3) print(tensor_1, tensor_1.type())
輸出結(jié)果如下圖所示：
二、torch.randn()：構(gòu)造標(biāo)準(zhǔn)正態(tài)分布張量的方法
torch.randn()是用于生成正態(tài)隨機(jī)分布張量的函數(shù)，從標(biāo)準(zhǔn)正態(tài)分布中隨機(jī)抽取一個隨機(jī)數(shù)生成一個張量，其調(diào)用方法如下所示：
torch.randn(sizes, out=None) ?? Tensor
其中，
sizes：用于定義輸出張量的形狀
簡單的示例代碼如下所示：
import torch # 生成一個每個元素均為標(biāo)準(zhǔn)正態(tài)分布的4行3列隨機(jī)張量 tensor_2 = torch.randn(4, 3) print(tensor_2, tensor_1.type())
輸出結(jié)果如下圖所示：
三、torch.randint()：構(gòu)造區(qū)間分布張量的方法
torch.randint()是用于生成任意區(qū)間分布張量的函數(shù)，從標(biāo)準(zhǔn)正態(tài)分布中隨機(jī)抽取一個隨機(jī)數(shù)生成一個張量，其調(diào)用方法如下所示：
torch.randint(low=0, high, sizes, out=None) ?? Tensor
其中，
low~high：隨機(jī)數(shù)的區(qū)間范圍
sizes：用于定義輸出張量的形狀
簡單的示例代碼如下所示：
# 生成一個每個元素均為[1-10]均勻分布的4行3列隨機(jī)張量 tensor_3 = torch.randint(1, 10, (4, 3)) print(tensor_3, tensor_3.type())
輸出結(jié)果如下圖所示：
四、torch.randperm()：根據(jù)生成的隨機(jī)序號對張量進(jìn)行隨機(jī)排序的方法
torch.randint()是用于對張量序號進(jìn)行隨機(jī)排序的函數(shù)，并根據(jù)生成的隨機(jī)序列，其調(diào)用格式如下所示：
torch.randperm(n, out=None, dtype=torch.int64) ?? LongTensor
其中，
n：一個整數(shù)，可以理解為張量某個方向的維度
dtype：返回的數(shù)據(jù)類型（torch.int64）
簡單的示例代碼如下所示：
下面代碼實(shí)現(xiàn)的功能為：將二維張量按照行進(jìn)行隨機(jī)排序。
# 生成一個0~3的隨機(jī)整數(shù)排序
idx = torch.randperm(4)
# 生成一個4行3列的張量
tensor_4 = torch.Tensor(4, 3)
# 為了方便對比，首先輸出tensor_4的結(jié)果
print("原始張量\n", tensor_4)
# 下面輸出隨機(jī)生成的行序號
print("\n生成的隨機(jī)序號\n", idx)
# 下面的指令實(shí)現(xiàn)了在行的方向上，對tensor_4進(jìn)行隨機(jī)排序，并輸出結(jié)果
print("\n隨機(jī)排序后的張量\n", tensor_4[idx])
輸出結(jié)果如下圖所示：
總結(jié)
到此這篇關(guān)于Pytorch隨機(jī)數(shù)生成常用的4種方法匯總的文章就介紹到這了,更多相關(guān)Pytorch隨機(jī)數(shù)生成內(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！
相關(guān)文章
在本篇文章里小編給大家整理的是關(guān)于Python實(shí)現(xiàn)的簡易FTP的實(shí)例內(nèi)容，有興趣的朋友們可以參考下。2020-05-05
今天小編就為大家分享一篇python中的字符串內(nèi)部換行方法，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2018-07-07
這篇文章主要介紹了Python多進(jìn)程分塊讀取超大文件的方法,涉及Python多進(jìn)程操作與文件分塊讀取的相關(guān)技巧,需要的朋友可以參考下2016-04-04
python利用elaphe制作二維條形碼實(shí)現(xiàn)代碼
條形碼的應(yīng)用將會越來越廣泛，看到了一篇文章，寫的挺好的！用手機(jī)拍二維碼，查二維碼確實(shí)很爽！這將成為一種潮流2012-05-05
詳解python中return和print的區(qū)別和用途
在 Python 中,return 和 print 是兩種常見的語句,用于在函數(shù)中輸出信息或返回值,盡管它們看起來相似,但它們有不同的作用和用法,本文將詳細(xì)介紹 return 和 print 在函數(shù)中的區(qū)別,并提供豐富的示例代碼,以幫助你更好地理解它們的用途2023-11-11
這篇文章主要介紹了Django xadmin安裝及使用詳解，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，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-10-10
這篇文章主要介紹了python套接字socket通信，python標(biāo)準(zhǔn)庫中內(nèi)置了底層網(wǎng)絡(luò)接口socket，以下代碼均默認(rèn)from?socket?import?*，下文很多詳細(xì)內(nèi)容需要的小伙伴可以參考一下2022-04-04
Python內(nèi)置函數(shù)all()的實(shí)現(xiàn)
Python內(nèi)置函數(shù)?all()?用于判斷可迭代對象中的所有元素是否都為真值（Truthy）,是邏輯判斷的重要工具,下面就來具體介紹如何使用,感興趣的可以了解一下2025-04-04
Python作為一種強(qiáng)大的編程語言,提供了豐富的內(nèi)置函數(shù),用于各種常見操作,本文將詳細(xì)介紹Python中常見的內(nèi)置函數(shù)的用法,需要的可以參考下2023-08-08
Python實(shí)現(xiàn)將圖片轉(zhuǎn)換為ASCII字符畫
這篇文章主要介紹了Python實(shí)現(xiàn)將圖片轉(zhuǎn)換為ASCII字符畫，要將圖片轉(zhuǎn)換為字符圖其實(shí)很簡單，我們首先將圖片轉(zhuǎn)換為灰度圖像，這樣圖片的每個像素點(diǎn)的顏色值都是0到255，然后我們選用一些在文字矩形框內(nèi)占用面積從大到小的ASCII碼字符2022-08-08