pytorch代码笔记2：torch.rand、torch.randn、torch.normal、torch.cat、torch.pow

1、torch.rand(*sizes, out=None) → Tensor

均匀分布。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…) - 整数序列，定义了输出张量的形状
• out (Tensor, optinal) - 结果张量

2、torch.randn(*sizes, out=None) → Tensor

标准正态分布。返回一个张量，包含了从标准正态分布（均值为0，方差为1，即高斯白噪声）中抽取的一组随机数。张量的形状由参数sizes定义。

参数:

• sizes (int…) - 整数序列，定义了输出张量的形状
• out (Tensor, optinal) - 结果张量

3、torch.normal(means, std, out=None) →  Tensor

离散正态分布。返回一个张量，包含了从指定均值means和标准差std的离散正态分布中抽取的一组随机数。标准差std是一个张量，包含每个输出元素相关的正态分布标准差。

参数:

• means (float, optional) - 均值
• std (Tensor) - 标准差
• out (Tensor) - 输出张量

 4、torch.cat(seq,dim,out=None)→  Tensor

连接序列。将两个张量（tensor）拼接在一起。

参数:

• seq表示要连接的两个序列，以元组的形式给出，例如:seq=(a,b), a,b 为两个可以连接的序列
• dim 表示以哪个维度连接，dim=0, 横向连接，dim=1,纵向连接

5、torch.pow()→  Tensor

对输入的每分量求幂次运算

 例：

1. a=torch.randn(4)

2. print(a)

3. b=torch.pow(a,2)

4. print(b)

结果： 

tensor([ 0.0923,  0.7006, -0.2963,  0.6543])
tensor([0.0085, 0.4909, 0.0878, 0.4282])