torch.rand (randn, random以及normal)对比
(1)torch.rand(sizes, out=None)
产生一个服从均匀分布的张量,张量内的数据包含从区间[0,1)的随机数。参数size是一个整数序列,用于定义张量大小。
a = torch.rand(20,1)
print(a)
b = torch.rand((2,2))
print(b)tensor([[0.4332],[0.0209],[0.0262],[0.7276],[0.2274],[0.4040],[0.4350],[0.0849],[0.0711],[0.1297],[0.0102],[0.3941],[0.4395],[0.1449],[0.0768],[0.5904],[0.4775],[0.7641],[0.1154],[0.8411]])
tensor([[0.3198, 0.7445],[0.2221, 0.1359]])
(2)torch.randn(sizes, out=None)
产生一个服从标准整正态分布的张量,张量内数据均值为0,方差为1,即为高斯白噪声。sizes作用同上。
a = torch.randn(20,1)
print(a)
b = torch.randn((2,2))
print(b)tensor([[-0.5412],[ 1.1345],[-0.6147],[-0.7924],[-0.6533],[-0.9084],[-0.8547],[ 0.4920],[ 0.7865],[ 0.3324],[ 0.4163],[ 1.1134],[-0.7867],[ 0.2625],[-1.1835],[-0.4285],[-0.5762],[ 2.1192],[ 0.2680],[ 1.8534]])
tensor([[ 0.1031, 0.4589],[-1.1752, 1.1279]])
(3)torch.normal(means, std, out=None)
产生一个服从离散正态分布的张量随机数,可以指定均值和标准差。
其中,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。
注:这里用到了Broadcast自动扩展
'''
通过torch.normal创建正态分布张量
'''
# mean:张量 std: 张量
mean = torch.arange(1, 5, dtype=torch.float)
std = torch.arange(1, 5, dtype=torch.float)
t_normal = torch.normal(mean, std)
print("mean:{}\nstd:{}".format(mean, std))
print(t_normal)
print("*"*5)
# mean:标量 std: 标量
t_normal = torch.normal(0., 1., size=(4,)) # size=(4,)设置张量的大小
print(t_normal)
print("*"*5)
# mean:张量 std: 标量
mean = torch.arange(1, 5, dtype=torch.float)
std = 1
t_normal = torch.normal(mean, std)
print("mean:{}\nstd:{}".format(mean, std))
print(t_normal)
print("*"*5)
(4)torch.randperm(n, out=None, requires_grad=True)
返回从0到n-1的整数的随机排列数
a = torch.randperm(6)
print(a)tensor([2, 0, 4, 3, 1, 5])
(5)torch.randint(low=0, high, size, out=None, requires_grad=False)
返回一个张量,该张量填充了在[low,high)均匀生成的随机整数。
张量的形状由可变的参数大小定义。
a = torch.randint(1,10,(3,3))
print(a)tensor([[2, 7, 4],[5, 4, 1],[2, 4, 6]])
参考:https://blog.csdn.net/weixin_44739213/article/details/108617473
torch.rand (randn, random以及normal)对比相关推荐
- Pytorch中rand,randn, random以及normal的区别
Pytorch中rand,randn, random以及normal的区别 torch.rand() torch.randn() torch.normal() torch.randperm() tor ...
- pytorch 生成随机数Tensor的方法 torch.rand torch.randn torch.normal torch.linespace
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() 在很 ...
- torch.rand、torch.randn及torch.normal的用法
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 torch.rand.torch.randn及torch.normal的用法 一.torch.rand 二.torch.randn 三 ...
- pytorch中的torch.rand(),torch.randn(),torch.randerm()的关系
1. torch.rand() 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,形状由可变参数sizes ...
- torch.randn和torch.rand有什么区别
torch.rand和torch.randn有什么区别? y = torch.rand(5,3) y=torch.randn(5,3) 一个均匀分布,一个是标准正态分布. 均匀分布 torch.ran ...
- python: np.random.rand(); random.randn(); random.randint()
目录 np.random.rand(): np.random.randn(): np.random.randint(): 总结: np.random.rand(): 该函数旨在输出0~1的正态分布随机 ...
- torch.randn torch.rand区别
torch.randn和torch.rand区别 参考链接:https://blog.csdn.net/wangwangstone/article/details/89815661 排序的结果还真不一 ...
- torch.randn与torch.rand的区别
randn torch.randn(*sizes, out=None) → Tensor 返回一个包含了从标准正态分布中抽取的一组随机数的张量 size:张量的形状 out:结果张量 rand tor ...
- pytorch torch.rand
应用 Returns a tensor filled with random numbers from a uniform distribution on the interval [0, 1) &g ...
最新文章
- 福利丨机不可失!20G免费教材快来领!
- UVA 10570 Meeting with Aliens
- IMI装系统装到一半出错?
- redis mysql 解决超卖_Redis 分布式锁解决超卖问题
- LeetCode-滑动窗口-209. 长度最小的子数组
- do filtering will real delete note in DB
- Linux设备驱动与整个软硬件系统的关系
- 链栈,用链表写成的栈,源代码如下
- java 银行卡号格式化_JS银行卡号格式化 - JavaScript常用效果 - Front-End - NalanXue's Blog...
- Html5游戏开发-145行代码完成一个RPG小Demo
- 场效应管调光电路图_MOS管驱动电路,看这里就啥都懂了
- xp系统怎样添加桌面计算机,如何为XP系统计算机设置桌面
- HTML5+CSS3基础
- 计算机内图片怎么自定义排序,win10系统设置图片文件自定义排序的图文教程
- VBox 启动虚拟机失败 - NtCreateFile
- HTML5期末大作业:漫画网站设计——海贼王基地(5页) 学生动漫网页设计模板下载 海贼王大学生HTML网页制作作品 简单漫画网页设计成品 dreamweaver学生网站模板
- 巴比特 | 元宇宙每日必读:大厂的高薪、期权都不香了,互联网精英纷纷涌向的Web3,魅力到底有多大?...
- UEFI开发与调试--edk2中的基础组件
- 代码表征预训练语言模型学习指南:原理、分析和代码
- 爬虫+pyqt5 打造属于自己的抖音视频下载器
热门文章
- 分布式锁+分布式事务+分布式缓存
- 微星GP63 (006CN) 拆机加固态
- 【模板】矩阵求逆(矩阵初等变换)
- 对话旷视孙剑:比 TensorFlow 还早半年,旷视 Brain++ 的进化法则
- 极简大纲笔记 | 一键生成思维导图 mubu
- js表单基本验证技术
- 新版spyder中如何设置脚本文件共同使用同一个Variable explorer 中数据
- 跳槽涨工资,为啥比升职快多了(转)
- A brief introduction to weakly supervised learning(简要介绍弱监督学习)
- Quicker配置打开蓝牙设置页面、控制面板等系统页面