Pytorch中rand(),randn(),randint(),normal(),full()随机生成数据方法对比及运用

@TOC
这些方法的共同点是都可以用来创建一个张量，并且都可以指定输出张量的数据类型、形状、设备类型等参数。它们的不同之处如下：

1. rand()方法用于生成在 $[0,1)$ 区间内的均匀分布随机数。
2. randn()方法用于生成标准正态分布随机数，即均值为0，方差为1的正态分布。
3. randint()方法用于生成指定范围内的随机整数。
4. normal()方法用于生成从均值为 mean ，标准差为 std 的正态分布中生成随机数。
5. full()方法用于创建一个指定形状的张量，并用指定固定值填充。

因此，在实际应用中需要根据具体情况选择不同的方法，以满足数据的需要。以下为几个方法的介绍及运用。

1.rand()方法

rand()方法是生成大小在[0,1)区间的size大小的张量

torch.rand(size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)

参数详解

参数	意义
size	要生成张量的形状，可以是整数也可以是元组。唯一必要参数，调用方法时必须给出。
out	输出张量。非必要参数
dtype	输出张量的数据类型
layout	输出张量的布局形式
device	输出张量的设备类型
requires_grad	是否需要计算梯度，默认为 False

代码演示

import torch
print(torch.rand(2,3))
print(torch.rand(5))

输出

tensor([[0.7151, 0.7481, 0.6143],
        [0.3310, 0.0784, 0.4184]])
tensor([0.2428, 0.4320, 0.2535, 0.9386, 0.5276])

2.randn()方法

与rand()方法返回[0,1)区间数据不同，randn()方法是返回一个包含了从标准正态分布（均值为0，方差为1）中抽取的随机数张量。

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

参数详解

参数与rand（）方法一样

参数	意义
size	要生成张量的形状，可以是整数也可以是元组。唯一必要参数，调用方法时必须给出。
out	输出张量。非必要参数
dtype	输出张量的数据类型
layout	输出张量的布局形式
device	输出张量的设备类型
requires_grad	是否需要计算梯度，默认为 False

代码演示

import torch
print(torch.randn(2,3))
print(torch.randn(5))

演示输出

tensor([[ 1.9817, -0.6548,  0.3505],
        [-0.5065, -0.7093,  0.6304]])
tensor([ 0.6409, -0.1716, -1.0290,  2.5210, -1.2670])

3.randint()方法

返回一个包含了从区间 [low, high) 的离散均匀分布中抽取的随机整数的张量

torch.randint(low=0, high, size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)

参数详解

参数	意义
low	生成的整数下界，也就是说最小值。必要参数
high	生成的整数上界，即最大值。非必要参数
size	要生成张量的形状，可以是整数也可以是元组。唯一必要参数，调用方法时必须给出。
out	输出张量。非必要参数
dtype	输出张量的数据类型
layout	输出张量的布局形式
device	输出张量的设备类型
requires_grad	是否需要计算梯度，默认为 False

代码示例

import torch
print(torch.randint(1,10,(2,3)))

演示结果

tensor([[2, 4, 3],
        [9, 7, 9]])

4.normal()方法

用于从均值为 mean ，标准差为 std 的正态分布中生成随机数。

torch.normal(mean, std, size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)

参数详解

参数	意义
mean	正态分布的均值。
std	正态分布的标准差。
size	输出张量的形状，可以是整数或元组类型。
out	输出张量。
dtype	输出张量的数据类型。
layout	输出张量的布局类型。
device	输出张量的设备类型。
requires_grad	是否需要计算梯度，默认为 False

代码演示

均值为10，标准差为1，形状为（2，3）的张量

print(torch.normal(10,1,(2,3)))

演示结果

tensor([[10.1562,  9.1040,  8.8467],
        [ 9.8670, 10.7527,  9.2519]])

5.full()方法

于创建一个指定形状的张量，并用 fill_value 填充，即指定形状固定数值的一个张量

torch.full(size, fill_value, dtype=None, layout=torch.strided, device=None, requires_grad=False

参数详解

参数	意义
size	要生成张量的形状，可以是整数也可以是元组。唯一必要参数，调用方法时必须给出。
fill_value	要填充的数值。必要参数
dtype	输出张量的数据类型
layout	输出张量的布局形式
device	输出张量的设备类型
requires_grad	是否需要计算梯度，默认为 False

代码演示

import torch
print(torch.full((2,3),5))

演示结果

tensor([[5, 5, 5],
        [5, 5, 5]])