torch.rand、torch.randn区别

torch.rand()

参考：https://pytorch.org/docs/stable/torch.html#torch.rand
*torch.rand(size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

返回在区间[0,1)[0,1)上由均匀分布的随机数填充的张量
张量的形状由可变参数大小来定义。

example

>>> torch.rand(4)
tensor([ 0.5204,  0.2503,  0.3525,  0.5673])
>>> torch.rand(2, 3)
tensor([[ 0.8237,  0.5781,  0.6879],
        [ 0.3816,  0.7249,  0.0998]])

torch.rand_like()

参考：https://pytorch.org/docs/stable/torch.html#torch.rand_like
torch.rand_like(input, dtype=None, layout=None, device=None, requires_grad=False, memory_format=torch.preserve_format) → Tensor

返回与输入相同大小的张量，该张量由区间[0,1)上均匀分布的随机数填充。rand_like(input)相当于torch.rand(input.size(), dtype=input.dtype, layout=input.layout, device=input.device)。

torch.randn()

参考：https://pytorch.org/docs/stable/torch.html#torch.randn
*torch.randn(size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

返回一个从均值为0、方差为1的正态分布(也称为标准正态分布)中填充随机数的张量, $ou{t}_i\sim N(0,1)$.
张量的形状由可变参数size来定义

example

>>> torch.randn(4)
tensor([-2.1436,  0.9966,  2.3426, -0.6366])
>>> torch.randn(2, 3)
tensor([[ 1.5954,  2.8929, -1.0923],
        [ 1.1719, -0.4709, -0.1996]])

torch.randint()

返回一个填满随机整数的张量，这些整数均匀地在低(含)和高(不含)之间生成。张量的形状由可变参数大小来定义。