在使用PyTorch做實驗時經常會用到生成隨機數Tensor的方法，比如：

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

均勻分佈

torch.rand(*sizes,out=None) → Tensor

返回一個張量，包含了從區間[0,1)的均勻分佈中抽取的一組隨機數。張量的形狀由引數sizes定義。

引數:

sizes (int…) - 整數序列，定義了輸出張量的形狀
out (Tensor,optinal) - 結果張量

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

標準正態分佈

torch.randn(*sizes,out=None) → Tensor

返回一個張量，包含了從標準正態分佈（均值為0，方差為1，即高斯白噪聲）中抽取的一組隨機數。張量的形狀由引數sizes定義。

引數:

sizes (int…) - 整數序列，定義了輸出張量的形狀
out (Tensor,optinal) - 結果張量

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

離散正態分佈

torch.normal(means,std,out=None) → → Tensor

返回一個張量，包含了從指定均值means和標準差std的離散正態分佈中抽取的一組隨機數。

標準差std是一個張量，包含每個輸出元素相關的正態分佈標準差。

引數:

means (float,optional) - 均值
std (Tensor) - 標準差
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，包含在區間start和end上均勻間隔的step個點。

輸出張量的長度由steps決定。

引數：

start (float) - 區間的起始點
end (float) - 區間的終點
steps (int) - 在start和end間生成的樣本數
out (Tensor,optional) - 結果張量

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

到此這篇關於Pytorch生成隨機數Tensor的方法彙總的文章就介紹到這了,更多相關Pytorch生成隨機數Tensor內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們！