Pytorch生成隨機(jī)數(shù)Tensor的方法匯總
在使用PyTorch做實(shí)驗(yàn)時(shí)經(jīng)常會(huì)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(gè)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(gè)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(gè)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(gè)張量,包含每個(gè)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(gè)1維張量,包含在區(qū)間start和end上均勻間隔的step個(gè)點(diǎn)。
輸出張量的長(zhǎng)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(qǐng)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
anaconda3:conda not found報(bào)錯(cuò)問題解決
這篇文章主要給大家介紹了關(guān)于anaconda3:conda not found報(bào)錯(cuò)問題解決的相關(guān)資料,Anaconda指的是一個(gè)開源的Python發(fā)行版本,其包含了conda、Python等180多個(gè)科學(xué)包及其依賴項(xiàng),需要的朋友可以參考下2023-10-10python對(duì)矩陣進(jìn)行轉(zhuǎn)置的2種處理方法
這篇文章主要介紹了python對(duì)矩陣進(jìn)行轉(zhuǎn)置的2種處理方法,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)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2019-07-07Python根據(jù)Excel表進(jìn)行文件重命名的實(shí)現(xiàn)示例
在日常辦公過程中,批量重命名是經(jīng)常使用的操作,本文主要介紹了Python根據(jù)Excel表進(jìn)行文件重命名,具有一定的參考價(jià)值,感興趣的可以了解一下2024-01-01BP神經(jīng)網(wǎng)絡(luò)原理及Python實(shí)現(xiàn)代碼
這篇文章主要為大家詳細(xì)介紹了BP神經(jīng)網(wǎng)絡(luò)原理,以及Python實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-12-12教你使用Python?的?Template?類生成文件報(bào)告
這篇文章主要介紹了用?Python?的?Template?類生成文件報(bào)告,在閱讀本文時(shí),您不僅學(xué)習(xí)了Python字符串的基本知識(shí),Template類以及使用它的原因,而且還實(shí)現(xiàn)了第一個(gè)文件報(bào)告腳本,需要的朋友可以參考下2022-08-08詳細(xì)介紹Python函數(shù)中的默認(rèn)參數(shù)
這篇文章主要介紹了詳細(xì)介紹Python函數(shù)中的默認(rèn)參數(shù),包括默認(rèn)參數(shù)的傳遞和求值等內(nèi)容,需要的朋友可以參考下2015-03-03