Pytorch常用的4种随机数生成方法
*
– 一、torch.rand():构造均匀分布张量的方法
– 二、torch.randn():构造标准正态分布张量的方法
– 三、torch.randint():构造区间分布张量的方法
– 四、torch.randperm():根据生成的随机序号对张量进行随机排序的方法
一、torch.rand():构造均匀分布张量的方法
torch.rand
是用于生成 均匀随机分布张量的函数,从区间[0,1)
的均匀分布中随机抽取一个随机数生成一个张量,其调用方法如下所示:
torch.rand(sizes, out=None) ➡️ Tensor
其中,
sizes
:用于定义输出张量的形状
简单的示例代码如下所示:
import torch
tensor_1 = torch.rand(4, 3)
print(tensor_1, tensor_1.type())
输出结果如下图所示:
二、torch.randn():构造标准正态分布张量的方法
torch.randn()
是用于生成正态随机分布张量的函数,从标准正态分布中随机抽取一个随机数生成一个张量,其调用方法如下所示:
torch.randn(sizes, out=None) ➡️ Tensor
其中,
sizes
:用于定义输出张量的形状
简单的示例代码如下所示:
import torch
tensor_2 = torch.randn(4, 3)
print(tensor_2, tensor_1.type())
输出结果如下图所示:
三、torch.randint():构造区间分布张量的方法
torch.randint()
是用于生成任意区间分布张量的函数,从标准正态分布中随机抽取一个随机数生成一个张量,其调用方法如下所示:
torch.randint(low=0, high, sizes, out=None) ➡️ Tensor
其中,
low
~high
:随机数的区间范围sizes
:用于定义输出张量的形状
简单的示例代码如下所示:
tensor_3 = torch.randint(1, 10, (4, 3))
print(tensor_3, tensor_3.type())
输出结果如下图所示:
四、torch.randperm():根据生成的随机序号对张量进行随机排序的方法
torch.randint()
是用于对张量序号进行随机排序的函数,并根据生成的随机序列,其调用格式如下所示:
torch.randperm(n, out=None, dtype=torch.int64) ➡️ LongTensor
其中,
n
:一个整数,可以理解为张量某个方向的维度dtype
:返回的数据类型(torch.int64
)
简单的示例代码如下所示:
下面代码实现的功能为:将二维张量按照行进行随机排序。
idx = torch.randperm(4)
tensor_4 = torch.Tensor(4, 3)
print("原始张量\n", tensor_4)
print("\n生成的随机序号\n", idx)
print("\n随机排序后的张量\n", tensor_4[idx])
输出结果如下图所示:
Original: https://blog.csdn.net/weixin_37926734/article/details/126614099
Author: 嵌入式技术
Title: Pytorch常用的4种随机数生成方法
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/707170/
转载文章受原作者版权保护。转载请注明原作者出处!