目录
torch.normal()函数
torch.normal(mean, std, *, generator=None, out=None) → Tensor
torch.normal(mean, std, *, generator=None, out=None) → Tensor
返回从单独的正态分布中提取的随机数张量,这些正态分布的平均值和标准差是给定的。
mean 是一个张量,具有每个输出元素正态分布的均值
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,但是每个张量中的元素总数需要相同。
当形状不匹配时,平均值的形状被用作返回输出张量的形状
当std是CUDA张量时,这个函数使它的设备与CPU同步。
参数
mean (Tensor) –每个元素平均值的张量
std (Tensor) –每个元素标准偏差的张量
关键字参数
generator (torch.Generator, optional) –用于采样的伪随机数生成器
out (Tensor, optional) –输出张量
torch.normal(mean, std, size, *, out=None) → Tensor
参数
mean (float)-所有分布的平均值
std(float)–所有分布的标准偏差
size (int...)–定义输出张量形状的整数序列。
关键字参数
out(张量,可选)–输出张量。
torch.matmul() 函数
torch.matmul(tensor1, tensor2, out=None) → Tensor
两张量的矩阵积。
行为取决于张量的维数,如下所示:
如果两个张量都是一维的,则返回点积(标量)。
如果两个参数都是二维的,则返回矩阵积。
如果第一个参数是一维的,第二个参数是二维的,那么为了矩阵相乘,在其维数前面加上1。在矩阵相乘之后,前面的维度被移除。
如果第一个参数是二维的,第二个参数是一维的,则返回矩阵向量积。
如果两个参数都至少是一维的,并且至少有一个参数是N维的(其中N>2),则返回一个成批矩阵乘法。如果第一个参数是一维的,则为了成批矩阵相乘的目的,在其维数前面加一个1,然后将其删除。如果第二个参数是一维的,则为了成批矩阵的倍数,在其维数后附加一个1,并在其后删除。非矩阵(即批处理)维度是广播的(因此必须是可广播的)。例如,如果tensor1是torch张量,tensor2是torch张量,out将是torch张量。
注意
此函数的一维点积版本不支持out参数。
参数:
tensor1(张量)–要相乘的第一个张量
tensor2(张量)–要相乘的第二个张量
out(张量,可选)–输出张量
————————————————
版权声明:本文为CSDN博主「日子就这么过来了」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/lry320/article/details/118435729