PyTorch之torch.randn()如何創(chuàng)建正態(tài)分布隨機(jī)數(shù)
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(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
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(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
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(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
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(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
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(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
用Python實(shí)現(xiàn)zip密碼破解實(shí)例
大家好，本篇文章主要講的是用Python實(shí)現(xiàn)zip密碼破解實(shí)例，感興趣的同學(xué)趕快來(lái)看一看吧，對(duì)你有幫助的話記得收藏一下2022-01-01
python爬取數(shù)據(jù)中的headers和代理IP問(wèn)題分析
這篇文章主要為大家介紹了python爬取數(shù)據(jù)中的headers和代理IP問(wèn)題分析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-06-06
python爬取拉勾網(wǎng)職位數(shù)據(jù)的方法
這篇文章主要介紹了python爬取拉勾網(wǎng)職位數(shù)據(jù)的實(shí)現(xiàn)方法，非常不錯(cuò)，具有參考借鑒價(jià)值,需要的朋友可以參考下2018-01-01
python保存大型 .mat 數(shù)據(jù)文件報(bào)錯(cuò)超出 IO 限制的操作
這篇文章主要介紹了python保存大型 .mat 數(shù)據(jù)文件報(bào)錯(cuò)超出 IO 限制的操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-05-05
這篇文章主要介紹了Python裝飾器,裝飾器Decorator從字面上理解,就是裝飾對(duì)象的器件,其的特點(diǎn)是特點(diǎn)是函數(shù)是作為其參數(shù)出現(xiàn)的，裝飾器還擁有閉包的特點(diǎn),下面來(lái)看看文中的具體內(nèi)容2021-11-11
Flask真是一個(gè)強(qiáng)大且簡(jiǎn)介的web框架，能夠快速搭建web服務(wù)器，本文主要介紹了Flask搭建一個(gè)API服務(wù)器的步驟，分享給大家，感興趣的可以了解一下2021-05-05
今天給大家?guī)?lái)的是關(guān)于Python Pygame的相關(guān)知識(shí),文章圍繞著Pygame圖像的基本使用展開(kāi),文中有非常詳細(xì)的介紹及代碼示例,需要的朋友可以參考下2021-06-06
python虛擬環(huán)境創(chuàng)建的兩種方法
本文主要介紹了python虛擬環(huán)境創(chuàng)建的兩種方法，文中通過(guò)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(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-05-05
這篇文章主要介紹了Python有參函數(shù)使用代碼實(shí)例,文中通過(guò)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,需要的朋友可以參考下2020-01-01
python實(shí)現(xiàn)讀取excel寫入mysql的小工具詳解
EXCEL 和 MySQL 大體上來(lái)說(shuō)都可以算是"數(shù)據(jù)庫(kù)"，MySQL貌似有EXCEL的接口，但是最近在自學(xué)Python，用Python實(shí)現(xiàn)了一下，下面這篇文章主要給大家介紹了關(guān)于利用python實(shí)現(xiàn)讀取excel寫入mysql的一個(gè)小工具，需要的朋友可以參考下。2017-11-11