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:
-
a=torch.randn(4)
-
print(a)
-
b=torch.pow(a,2)
-
print(b)
结果:
tensor([ 0.0923, 0.7006, -0.2963, 0.6543]) tensor([0.0085, 0.4909, 0.0878, 0.4282])