Python PyTorch normal用法及代码示例

本文简要介绍python语言中 torch.normal 的用法。

用法:

torch.normal(mean, std, *, generator=None, out=None) → Tensor

参数：

• mean(Tensor) -per-element 的张量表示

• std(Tensor) -per-element 标准差的张量

关键字参数：

• generator(torch.Generator， 可选的) -用于采样的伪随机数发生器

• out(Tensor,可选的) -输出张量。

参数：

• mean(float,可选的) -所有分布的平均值

• std(Tensor) -per-element 标准差的张量

关键字参数：

out(Tensor,可选的) -输出张量。

参数：

• mean(Tensor) -per-element 的张量表示

• std(float,可选的) -所有分布的标准差

关键字参数：

out(Tensor,可选的) -输出张量

参数：

• mean(float) -所有分布的平均值

• std(float) -所有分布的标准差

• size(诠释...) -定义输出张量形状的整数序列。

关键字参数：

out(Tensor,可选的) -输出张量。

返回从给出均值和标准差的独立正态分布中抽取的随机数张量。

mean 是一个张量，每个输出元素的正态分布均值

std 是一个张量，每个输出元素的正态分布的标准差

mean 和 std 的形状不需要匹配，但每个张量的元素总数需要相同。

注意

当形状不匹配时，使用 mean 的形状作为返回输出张量的形状

注意

当 std 是 CUDA 张量时，此函数将其设备与 CPU 同步。

例子：

>>> torch.normal(mean=torch.arange(1., 11.), std=torch.arange(1, 0, -0.1))
tensor([  1.0425,   3.5672,   2.7969,   4.2925,   4.7229,   6.2134,
          8.0505,   8.1408,   9.0563,  10.0566])

torch.normal(mean=0.0, std, *, out=None) → Tensor

与上面的函数类似，但方法在所有绘制的元素之间共享。

例子：

>>> torch.normal(mean=0.5, std=torch.arange(1., 6.))
tensor([-1.2793, -1.0732, -2.0687,  5.1177, -1.2303])

torch.normal(mean, std=1.0, *, out=None) → Tensor

与上面的函数类似，但标准偏差在所有绘制的元素之间共享。

例子：

>>> torch.normal(mean=torch.arange(1., 6.))
tensor([ 1.1552,  2.6148,  2.6535,  5.8318,  4.2361])

torch.normal(mean, std, size, *, out=None) → Tensor

与上面的函数类似，但均值和标准差在所有绘制元素之间共享。结果张量的大小由 size 给出。

例子：

>>> torch.normal(2, 3, size=(1, 4))
tensor([[-1.3987, -1.9544,  3.6048,  0.7909]])