Pytorch常用的4种随机数生成方法

一、torch.rand():构造均匀分布张量的方法

torch.rand是用于生成均匀随机分布张量的函数,从区间[0,1)的均匀分布中随机抽取一个随机数生成一个张量,其调用方法如下所示:

torch.rand(sizes, out=None) ➡️ Tensor

其中,

  • sizes:用于定义输出张量的形状
    简单的示例代码如下所示:
import torch

# 生成一个每个元素服从0-1均匀分布的4行3列随机张量
tensor_1 = torch.rand(4, 3)
print(tensor_1, tensor_1.type())

输出结果如下图所示:
在这里插入图片描述

二、torch.randn():构造标准正态分布张量的方法

torch.randn()是用于生成正态随机分布张量的函数,从标准正态分布中随机抽取一个随机数生成一个张量,其调用方法如下所示:

torch.randn(sizes, out=None) ➡️ Tensor

其中,

  • sizes:用于定义输出张量的形状
    简单的示例代码如下所示:
import torch

# 生成一个每个元素均为标准正态分布的4行3列随机张量
tensor_2 = torch.randn(4, 3)
print(tensor_2, tensor_1.type())

输出结果如下图所示:
在这里插入图片描述

三、torch.randint():构造区间分布张量的方法

torch.randint()是用于生成任意区间分布张量的函数,从标准正态分布中随机抽取一个随机数生成一个张量,其调用方法如下所示:

torch.randint(low=0, high, sizes, out=None) ➡️ Tensor

其中,

  • low~high:随机数的区间范围
  • sizes:用于定义输出张量的形状
    简单的示例代码如下所示:
# 生成一个每个元素均为[1-10]均匀分布的4行3列随机张量
tensor_3 = torch.randint(1, 10, (4, 3))
print(tensor_3, tensor_3.type())

输出结果如下图所示:
在这里插入图片描述

四、torch.randperm():根据生成的随机序号对张量进行随机排序的方法

torch.randint()是用于对张量序号进行随机排序的函数,并根据生成的随机序列,其调用格式如下所示:

torch.randperm(n, out=None, dtype=torch.int64) ➡️ LongTensor

其中,

  • n:一个整数,可以理解为张量某个方向的维度
  • dtype:返回的数据类型(torch.int64

简单的示例代码如下所示:

下面代码实现的功能为:将二维张量按照行进行随机排序。

# 生成一个0~3的随机整数排序
idx = torch.randperm(4)
# 生成一个4行3列的张量
tensor_4 = torch.Tensor(4, 3)

# 为了方便对比,首先输出tensor_4的结果
print("原始张量\n", tensor_4)

# 下面输出随机生成的行序号
print("\n生成的随机序号\n", idx)

# 下面的指令实现了在行的方向上,对tensor_4进行随机排序,并输出结果
print("\n随机排序后的张量\n", tensor_4[idx])

输出结果如下图所示:
在这里插入图片描述

  • 12
    点赞
  • 50
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

嵌入式技术

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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