Pytorch knowledge

目录

torch.normal()函数

torch.matmul() 函数

---

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