PyTorch 生成随机数Tensor(标准分布、标准正态、离散正态……)
2018-11-23 12:48
1296 查看
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()
均匀分布
*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。张量的形状由参数sizes定义。
参数:
sizes (int…) - 整数序列,定义了输出张量的形状 out (Tensor, optinal) - 结果张量
例子:
torch.rand(2, 3) 0.0836 0.6151 0.6958 0.6998 0.2560 0.0139 [torch.FloatTensor of size 2x3]
标准正态分布
*torch.randn(sizes, out=None) → Tensor
返回一个张量,包含了从标准正态分布(均值为0,方差为1,即高斯白噪声)中抽取的一组随机数。张量的形状由参数sizes定义。
参数:
sizes (int…) - 整数序列,定义了输出张量的形状 out (Tensor, optinal) - 结果张量
例子:
torch.randn(2, 3) 0.5419 0.1594 -0.0413 -2.7937 0.9534 0.4561 [torch.FloatTensor of size 2x3]
离散正态分布
torch.normal(means, std, out=None) → → Tensor
返回一个张量,包含了从指定均值means和标准差std的离散正态分布中抽取的一组随机数。
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。
参数:
means (float, optional) - 均值 std (Tensor) - 标准差 out (Tensor) - 输出张量
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]
线性间距向量
torch.linspace(start, end, steps=100, out=None) → Tensor
返回一个1维张量,包含在区间start和end上均匀间隔的step个点。
输出张量的长度由steps决定。
参数:
start (float) - 区间的起始点 end (float) - 区间的终点 steps (int) - 在start和end间生成的样本数 out (Tensor, optional) - 结果张量
例子:
torch.linspace(3, 10, steps=5) 3.0000 4.7500 6.5000 8.2500 10.0000 [torch.FloatTensor of size 5]阅读更多
相关文章推荐
- 怎样根据自己的离散分布生成随机数
- 【算法分析】随机数的生成:均匀分布、正态、泊松 、瑞利
- 根据离散分布生成随机数——通用例子
- normal distribution, lognormal distribution,正态随机数的生成
- 数组应用实例(生成并打印随机数和统计随机数的分布)
- 生成正态随机分布数
- 标准库rand()函数的缺陷以及Blitz++随机数生成的简介
- C++生成随机数:瑞利(Rayleigh)分布(Rayleigh distribution)
- pytorch GAN生成对抗网络
- 第三百七十六节,Django+Xadmin打造上线标准的在线教育平台—创建用户操作app,在models.py文件生成5张表,用户咨询表、课程评论表、用户收藏表、用户消息表、用户学习表
- PyTorch vs TensorFlow,哪个更适合你
- Pytorch深度学习基础之Tensor 3ff0
- 生成对抗网络DCGAN+Tensorflow代码学习笔记(一)----main.py
- C++生成随机数:Beta分布(beta distribution)
- 『PyTorch x TensorFlow』第八弹_基本nn.Module层函数
- pytorch-tensor data type
- Pytorch快速入门一-Tensor
- 随机数生成(一):均匀分布
- pytorch tensor 转 variable
- 逆分布函数法生成随机数(以指数分布和双指数分布为例)