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])
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
torch.rand是一个函数,它返回一个张量,该张量包含了从均匀分布中随机抽取的数据。该函数可以接受一个或多个参数,用于指定张量的维度和形状。例如,torch.rand(4)会返回一个形状为(4,)的张量,其中包含了四个从均匀分布中随机抽取的数值。另外,torch.rand(2, 3)会返回一个形状为(2, 3)的张量,其中包含了从均匀分布中随机抽取的六个数值。均匀分布中随机抽取数据的函数,而torch.randn是从标准正态分布中随机抽取数据的函数。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [pyTorch.randn()、rand()、cat()、pow()、scatter_()、.squeeze() 、.unsqueeze()](https://download.csdn.net/download/weixin_38606656/14884199)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [torch.randtorch.randn](https://blog.csdn.net/weixin_43102043/article/details/124489334)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [torch.rand&torch.randn介绍](https://blog.csdn.net/scar2016/article/details/115746978)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
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
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