Python PyTorch randn用法及代码示例

本文简要介绍python语言中 torch.randn 的用法。

用法:

torch.randn(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

参数：

size(诠释...) -定义输出张量形状的整数序列。可以是可变数量的参数或像列表或元组这样的集合。

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。

• dtype(torch.dtype， 可选的) -返回张量的所需数据类型。默认值：如果 None ，使用全局默认值(参见 torch.set_default_tensor_type() )。

• layout(torch.layout， 可选的) -返回张量的所需布局。默认值：torch.strided。

• device(torch.device， 可选的) -返回张量的所需设备。默认值：如果 None ，使用当前设备作为默认张量类型(参见 torch.set_default_tensor_type() )。 device 将是 CPU 张量类型的 CPU 和 CUDA 张量类型的当前 CUDA 设备。

• requires_grad(bool,可选的) -如果 autograd 应该在返回的张量上记录操作。默认值：False。

返回一个张量，其中填充了来自均值 0 和方差 1(也称为标准正态分布)的正态分布的随机数。

\text{out}_{i} \sim \mathcal{N}(0, 1)

张量的形状由变量参数 size 定义。

例子：

>>> torch.randn(4)
tensor([-2.1436,  0.9966,  2.3426, -0.6366])
>>> torch.randn(2, 3)
tensor([[ 1.5954,  2.8929, -1.0923],
        [ 1.1719, -0.4709, -0.1996]])