Pytorch库中torch.normal()详解

torch.normal()用法

torch.normal()函数,用于生成符合正态分布(高斯分布)的随机数。在 PyTorch 中,这个函数通常用于生成 Tensor。

该函数共有四个方法:

python 复制代码
@overload
def normal(mean: Tensor, std: Tensor, *, generator: Optional[Generator] = None, out: Optional[Tensor] = None) -> Tensor: ...
@overload
def normal(mean: Tensor, std: _float = 1, *, generator: Optional[Generator] = None, out: Optional[Tensor] = None) -> Tensor: ...
@overload
def normal(mean: _float, std: Tensor, *, generator: Optional[Generator] = None, out: Optional[Tensor] = None) -> Tensor: ...
@overload
def normal(mean: _float, std: _float, size: Sequence[Union[_int, SymInt]], *, 
           generator: Optional[Generator] = None, out: Optional[Tensor] = None, 
           dtype: Optional[_dtype] = None, layout: Optional[_layout] = None, 
           device: Optional[Optional[DeviceLikeType]] = None, 
           pin_memory: Optional[_bool] = False, 
           requires_grad: Optional[_bool] = False) -> Tensor: ...
参数解析
  • mean: 表示正态分布的均值 (μ)。可以是一个标量,也可以是一个张量,如果是张量,其形状必须与 std 相容。如果 mean 是一个张量,那么函数将生成与 mean 相同形状的随机数张量,并以 mean 中的值作为各个维度的均值。
  • std: 表示正态分布的标准差 (σ)。可以是一个标量,也可以是一个张量,如果是张量,其形状必须与 mean 相容。如果 std 是一个张量,那么函数将生成与 std 相同形状的随机数张量,并以 std 中的值作为各个维度的标准差。
  • "*" (星号):星号后的参数为关键字参数,只能用关键字指定。
  • size:指定生成张量的尺寸。
  • generator=None:指定一个随机数生成器。PyTorch 常用 torch.Generator() 创建生成器。如果不指定,使用默认生成器。
  • out=None:用于指定输出的 Tensor。如果不提供,函数将返回一个新创建的 Tensor。
返回值

返回一个张量,其形状与 mean 和 std 相同,其中的元素服从均值为 mean,标准差为 std 的正态分布。

使用示例

python 复制代码
import torch

random_value = torch.normal(mean=0.0, std=1.0, size=(2, 2))
print(random_value)

# 生成一个服从均值0和标准差1的单个随机数
random_value = torch.normal(mean=0, std=1, size=(1,))
print(random_value)

# 生成一个服从均值0和标准差1的张量
mean_tensor = torch.zeros(3, 3)  # 均值张量
std_tensor = torch.ones(3, 3)  # 标准差张量
random_tensor = torch.normal(mean_tensor, std_tensor)
print(random_tensor)

# 使用指定生成器生成随机数
generator = torch.Generator().manual_seed(42)
random_value_with_generator = torch.normal(mean=0.0, std=1.0, size=(2, 2), generator=generator)
print(random_value_with_generator)

# 输出到指定Tensor
out_tensor = torch.empty(3, 3)
torch.normal(mean_tensor, std_tensor, out=out_tensor)
print(out_tensor)

以上是 torch.normal() 函数的基本用法。可以根据具体需求调整 mean 和 std 的值来生成不同形状、不同均值和标准差的正态分布随机数。

相关推荐
蓝婷儿42 分钟前
Python 机器学习核心入门与实战进阶 Day 1 - 分类 vs 回归
python·机器学习·分类
程序员阿超的博客3 小时前
Python 数据分析与机器学习入门 (八):用 Scikit-Learn 跑通第一个机器学习模型
python·机器学习·数据分析·scikit-learn·入门教程·python教程
xingshanchang4 小时前
PyTorch 不支持旧GPU的异常状态与解决方案:CUDNN_STATUS_NOT_SUPPORTED_ARCH_MISMATCH
人工智能·pytorch·python
reddingtons5 小时前
Adobe Firefly AI驱动设计:实用技巧与创新思维路径
大数据·人工智能·adobe·illustrator·photoshop·premiere·indesign
CertiK5 小时前
IBW 2025: CertiK首席商务官出席,探讨AI与Web3融合带来的安全挑战
人工智能·安全·web3
Deepoch6 小时前
Deepoc 大模型在无人机行业应用效果的方法
人工智能·科技·ai·语言模型·无人机
Deepoch6 小时前
Deepoc 大模型:无人机行业的智能变革引擎
人工智能·科技·算法·ai·动态规划·无人机
kngines6 小时前
【字节跳动】数据挖掘面试题0003:有一个文件,每一行是一个数字,如何用 MapReduce 进行排序和求每个用户每个页面停留时间
人工智能·数据挖掘·mapreduce·面试题
Binary_ey6 小时前
AR衍射光波导设计遇瓶颈,OAS 光学软件来破局
人工智能·软件需求·光学软件·光波导
昵称是6硬币6 小时前
YOLOv11: AN OVERVIEW OF THE KEY ARCHITECTURAL ENHANCEMENTS目标检测论文精读(逐段解析)
图像处理·人工智能·深度学习·yolo·目标检测·计算机视觉