torch.rand(),torch.randn(),torch.randn_like()用法详解

这三者都是用来生成随机数字的tensor,其中：

torch.rand()：满足0-1上的均匀分布

torch.randn()：满足标准正态分布（有正有负）

torch.randn_like()：输入与传入参数size相同的满足标准正态分布的随机数字tensor

一、torch.rand()

torch.rand(size),size可以是一个整数或者元组

代码示例：

import torch
x = torch.rand(3)
y = torch.rand(3,5)
print("x:",x,type(x))
print("y:",y,type(y))

输出：

二、torch.randn()

代码示例：

import torch
x = torch.randn(3)
y = torch.randn(3,5)
print("x:",x,type(x))
print("y:",y,type(y))

输出：

三、 torch.randn_like()

output_tensor = torch.randn_like(input_tensor, dtype=None, layout=None, device=None, requires_grad=False)

具体参数如下：

input_tensor（必需）- tensor对象，输出张量的大小与输入对象一致。
dtype（可选）- 输出张量所需的数据类型。默认为None，这意味着将使用输入张量的数据类型。
layout（可选）- 输出张量所需的内存布局。默认为None，这意味着将使用输入张量的内存布局。
device（可选）- 输出张量所需的设备。默认为None，这意味着将使用输入张量的设备。
requires_grad（可选）- 输出张量是否应该在反向传播期间计算其梯度。默认为False

代码示例：

import torch
x = torch.zeros(3,4)
y = torch.randn_like(x)
print("y:",y,type(y))

输出:

ps:类似的还有 empty_like,zeros_like，rand_like等等，基本都是一个逻辑