PyTorch | 通过torch.normal()创建概率分布的张量 | torch.normal()如何使用？torch.normal()使用方法 | torch.normal()例子

最新推荐文章于 2024-07-06 20:34:55 发布

SophiaCV

最新推荐文章于 2024-07-06 20:34:55 发布

阅读量1.2k

点赞数

分类专栏： PyTorch--由入门到精通

在公众号【计算机视觉联盟】后台回复【9076】获取独家200页AI笔记！

本文链接：https://blog.csdn.net/Sophia_11/article/details/112858539

版权

PyTorch--由入门到精通专栏收录该内容

12 篇文章 8 订阅

订阅专栏

在公众号【计算机视觉联盟】后台回复【9076】获取独家200页手推AI笔记；我的微信：PursueWin； --by Sophia 中科院学霸 | 上市AI算法工程师 | CSDN博客专家

通过torch.normal()创建概率分布的张量

    # mean：张量 std: 张量
    print("-----------mean：张量 std: 张量---------")
    mean = torch.arange(1, 5, dtype=torch.float)
    std = torch.arange(1, 5, dtype=torch.float)
    print("mean是：",mean,"\n std是：",std)
    t_normal = torch.normal(mean, std)
    print("t_normal是\n",t_normal)

    # mean：标量 std: 标量
    print("-----------mean：标量 std: 标量---------")
    t_normal = torch.normal(0., 1., size=(5,))
    print("torch.normal(0., 1., size=5,))输出\n",t_normal)

    # mean：张量 std: 标量
    print("-----------mean：张量 std: 标量---------")
    mean = torch.arange(1, 5, dtype=torch.float)
    std = 1
    print("mean是：",mean,"\n std是：",std)
    t_normal = torch.normal(mean, std)
    print("t_normal是\n",t_normal)

输出结果：

-----------mean：张量 std: 张量---------
mean是：tensor([1., 2., 3., 4.]) 
 std是：tensor([1., 2., 3., 4.])
t_normal是
 tensor([ 1.0527,  2.8746,  5.1393, -2.5108])
-----------mean：标量 std: 标量---------
torch.normal(0., 1., size=5,))输出
 tensor([-0.7771, -0.7684,  0.8846,  0.5542,  1.3451])
-----------mean：张量 std: 标量---------
mean是：tensor([1., 2., 3., 4.]) 
 std是：1
t_normal是
 tensor([0.5560, 1.9777, 2.9634, 2.7911])

Process finished with exit code 0