Torch和Numpy之——创建常见分布

最新推荐文章于 2023-12-09 00:56:41 发布
最新推荐文章于 2023-12-09 00:56:41 发布
阅读量587 收藏
点赞数
文章标签： numpy pytorch 机器学习 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ssunshining/article/details/107536045
版权

1创建均匀分布 

输入 

import numpy as np
a = np.random.uniform(-2,2,50)  #创建-2到2之间的50个符合均匀分布的数
print(a)

 输出

[-1.44258008 -0.41226989 -1.31567447 -0.83529394  1.2563942   1.94445387
  1.29230111 -1.81605142 -1.03934258 -0.97514908 -1.13281547 -0.91240203
  1.02022159 -0.6839406  -1.88176739 -1.49378504  1.30551001 -0.70588312
  0.37554935 -0.65154768 -1.81475378 -0.23721262  0.71493231  0.53159679
  0.77195501 -0.59920044 -0.07425059  0.4267832   0.14659128  0.61002352
  0.12666623 -0.16730018 -1.60937296  0.13995744 -0.02174225  0.18012679
 -0.58088424  1.49689209  0.67245651  0.38787164  0.3357265   0.32601824
  1.07525763  1.38783129 -1.15739175  1.82104168 -1.20014242  0.69506797
  1.57947445 -1.12681659]

2

前尘昨夜此刻
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Pytorch：均匀分布（a,b）[tensor类型]
perdonare的博客
03-29 2874
(b-a)*torch.rand(m,n)+a [m,n]：生成均匀分布的形状
PyTorch常用参数初始化方法：【均匀分布、正态(高斯)分布、Xavier、kaiming、正交矩阵、稀疏矩阵、常数、单位矩阵、零填充】
u013250861的博客
06-12 2097
从均匀分布U(a, b)中采样，初始化张量。参考资料： PyTorch常用参数初始化方法详解 PyTorch常用参数初始化方法详解
详解pytorch中的torch.rand、torch.randn、torch.normal、torch.linespace
crud_player的博客
03-18 6049
区分上述四个函数： 1. torch.rand #均匀分布采样 torch.rand(*sizes, out=None) → Tensor #*sizes指定张量的形状、out指定数据存储的位置 import torch a=torch.rand([3,4]) print(a) ''' tensor([[0.7305, 0.5913, 0.0737, 0.5401], [0.9628, 0.0018, 0.7095, 0.7052], [0.2917, 0.1240, 0.
Pytorch常用的4种随机数生成方法
嵌入式技术与人工智能
08-30 1万+
对张量序号进行随机排序的函数，并根据生成的随机序列。为：将二维张量按照行进行随机排序。
【Pytorch学习】- 3 - 一些基本概念
你好，我是小铭同学
09-16 250
本篇为学习笔记，多为网络其他博主的介绍搬运合成，如有雷同，皆为我搬运，用于记录学习的概念，特此声明！ 1. Tensor 张量是多维度数组的意思，是标量、向量、矩阵的高位扩展 2.Tensor 与 Variable Variable 的属性： data: 被包装的 Tensor。 grad: data 的梯度。 grad_fn: 创建 Tensor 所使用的 Function自动求导的关键，因为根据所记录的函数才能计算出导数。 requires_grad: 指示是否需要梯度，并不是所有的张量
莫烦PYTHON——Pytorch——Torch 和 Numpy
01-21
莫烦PYTHON——Pytorch——Torch 和 Numpy1 Numpy array 和 Torch tensor 的转换2 Numpy 和 Torch 中的数学运算2.1 abs 绝对值2.2 三角函数 sin2.3 mean 均值2.4 矩阵乘法 1 Numpy array 和 Torch tensor 的转换 ...
Pyorch之numpy与torch之间相互转换方式
01-20
numpy中的ndarray转化成pytorch中的tensor : torch.from_numpy() pytorch中的tensor转化成numpy中的ndarray : numpy() 代码 import numpy as np import torch np_arr = np.array([1,2,3,4]) tor_arr=torch.from_...
Python-Visdom为Torch和Numpy创建和组织实时可视化的工具
08-10
**Python Visdom：为Torch和Numpy打造实时可视化** 在数据分析和机器学习领域，可视化是一种强大的工具，它能够帮助我们理解复杂的数据模式和模型行为。`Visdom` 是一个由Facebook开源的实时数据可视化库，它专为...
Pytorch之Tensor和Numpy之间的转换的实现方法
09-16
1. **`torch.Tensor()`**：这个方法创建的Tensor会与原始的NumPy数组共享内存。这意味着改变其中一个，另一个也会相应改变。但是，如果NumPy数组的数据类型与Tensor的类型不匹配，那么数据会被复制，不再共享内存。 ...
torch.rand(),torch.randn(),torch.randn_like()用法详解
渊兮湛兮
09-11 2769
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。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。dtype（可选）- 输出张量所需的数据类型。device（可选）- 输出张量所需的设备。input_tensor（必需）- tensor对象，输出张量的大小与输入对象一致。torch.randn()：满足标准正态分布（有正有负）torch.rand()：满足0-1上的均匀分布。
pytorch中五种常用随机矩阵构造方法：rand、randn、randn_like、randint、randperm
最新发布
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
12-09 9305
torch.randn_like()用于生成一个与输入张量大小相同的张量，其中填充了均值为 0 方差为 1 的正态分布的随机值。
pytorch系列 -- 9 pytorch nn.init 中实现的初始化函数 uniform, normal, const, Xavier, He initialization
热门推荐
墨流觞的博客
11-11 6万+
本文内容： 1. Xavier 初始化 2. nn.init 中各种初始化函数 3. He 初始化 torch.init https://pytorch.org/docs/stable/nn.html#torch-nn-init 1. 均匀分布 torch.nn.init.uniform_(tensor, a=0, b=1) 服从~U(a,b)U(a, b)U(a,b) 2. 正太分布 tor...
代码里一些方法记录
weixin_44412076的博客
11-20 480
np.shape(): 功能：查看矩阵或者数组的维度 举例： 1. 3*3的矩阵 >>>e=eye(3) >>>e array([[1.,0.,0.], [0.,1.,0.], [0.,0.,1.]]) >>>e.shape (3,3) 2.一维矩阵 >>>b=array([1,2,3,4]) >>&...
torch 中的 uniform 具体用法
qq_39665216的博客
08-07 9125
torch uniform 用法
pytorch初始化 创建tensor（均匀采样、正态分布采样等）
qq_41993290的博客
09-26 7536
文章目录均匀采样full的使用正态分布采样arange/rangelinspace/logspaceOnes/zeros/eyerandperm 均匀采样 torch.rand()在[0,1]中均匀采样 torch.rand_like() *_like标签的接收的是tensor torch.randint(1,10,[3,3])随机的是[1,10)的整数[3,3]为shape full的使用 ...
pytorch 基本操作 生成随机数Tensor的方法汇总（标准分布、正态分布……）
jialibang的博客
04-20 5384
转载自：https://zhuanlan.zhihu.com/p/31231210在使用PyTorch做实验时经常会用到生成随机数Tensor的方法，比如：torch.rand()torch.randn()torch.normal()torch.linespace()在很长一段时间里我都没有区分这些方法生成的随机数究竟有什么不同，由此在做实验的时候经常会引起一些莫名其妙的麻烦。所以在此做一个总结，...
生成随机数Tensor的方法汇总（均匀分布，标准正态分布，离散正态分布，线性间距向量）
zz2230633069的博客
05-23 1968
PyTorch 常用方法总结1：生成随机数Tensor的方法汇总（标准分布、正态分布……） 均匀分布：torch.rand() 标准正态分布：torch.randn() 离散正态分布：torch.normal() 线性间距向量：torch.linespace() ...
PyTorch 生成随机数Tensor（标准分布、标准正态、离散正态……）
MarsLee_U的博客
06-02 2万+
在使用PyTorch做实验时经常会用到生成随机数Tensor的方法，比如：torch.rand()torch.randn()torch.normal()torch.linespace()均匀分布torch.rand(*sizes, out=None) → Tensor返回一个张量，包含了从区间[0, 1)的均匀分布中抽取的一组随机数。张量的形状由参数sizes定义。参数:sizes (int…) ...
机器学习小组知识点14：均匀分布（Uniform Distribution）
Eric2016_Lv的博客
11-21 1万+
定义[编辑]一个均匀分布在区间[a,b]上的连续型随机变量 {\displaystyle X} X可给出如下函数： 概率密度函数： f(x)=⎧⎩⎨1b−a0   for a≤x≤belsewheref(x)=\left\{{\begin{matrix}{\frac {1}{b-a}}&\ \ \ {\mbox{for }}a\leq x\leq b\\0&{\mbox{elsewhere}}
更新torch和numpy的指令
05-26
要更新torch和numpy，您可以在命令行中使用以下指令： 更新torch： ``` pip install torch --upgrade ``` 更新numpy： ``` pip install numpy --upgrade ``` 请注意，这些指令可能因操作系统和Python版本而有所不同。如有需要，请参考相应的文档。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值