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
推荐阅读:
PyTorch | torch.from_numpy使用方法
PyTorch | torch.randperm()使用方法