pytorch中torch.randn(batch_size,channels,width,height)理解

1 定义

torch.randn 函数是PyTorch中用于生成服从标准正态分布（均值为0，方差为1）的随机数的函数
1）用来创建指定大小的张量；
2）张量中的元素是从标准正态分布中采样得到的随机数。

torch.randn函数的使用方式如下：

torch.randn(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> Tensor

参数说明：

*size：表示生成的随机数张量的大小。可以是一个整数，表示生成一个具有指定大小的1维张量，也可以是一个整数元组，表示生成一个具有指定大小的多维张量。

out：可选参数，用于指定输出张量。

dtype：可选参数，用于指定输出张量的数据类型，默认为None，表示使用默认的数据类型。

layout：可选参数，用于指定输出张量的布局，默认为torch.strided。

device：可选参数，用于指定输出张量所在的设备，默认为None，表示使用默认设备。

requires_grad：可选参数，用于指定输出张量是否需要梯度计算，默认为False。

2 应用

torch.randn(batch_size,channels,width,height)
生成一个形状为(batch_size,channels,width,height)的四维张量，会生成一个均值为0，标准差为1的正态分布中的随机数，用于初始化模型参数或生成输入数据。

import torch


input = torch.randn(8,3,224,224)
print(input.size())

# 输出结果为 torch.Size([8, 3, 224, 224])

为了进一步的理解四维张量，将数字改小一些看输出结果

import torch


input = torch.randn(2,3,4,4)
print(input)

torch.randn(2,3,4,4)中参数的两种理解方式：
1）顺序剖解：

• 一个四维的：包含batch_size = 2个三维的 （黄色框线）
• 每一个三维：包含channels = 3个 二维的 （绿色框线）
• 每一个二维：包含1个4*4的矩阵（红色框线）

2）逆序剖解

• 最内层是4*4的二维矩阵（红色框线）
• 3个二维矩阵构成一个三维 （绿色框线）
• 2个三维构成一个四维（黄色框线）