温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

Pytorch随机数生成常用方法有哪些

发布时间:2023-09-21 10:53:54 来源:亿速云 阅读:164 作者:栢白 栏目:开发技术

本篇文章和大家了解一下Pytorch随机数生成常用方法有哪些。有一定的参考价值,有需要的朋友可以参考一下,希望对大家有所帮助。

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:

Pytorch随机数生成常用方法有哪些

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:

Pytorch随机数生成常用方法有哪些

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:

Pytorch随机数生成常用方法有哪些

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:

Pytorch随机数生成常用方法有哪些

以上就是Pytorch随机数生成常用方法有哪些的简略介绍,当然详细使用上面的不同还得要大家自己使用过才领会。如果想了解更多,欢迎关注亿速云行业资讯频道哦!

向AI问一下细节

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

AI