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：
|
1
|
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：
|
1
2
3
4
5
|
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：
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：
|
1
|
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：
|
1
2
3
4
5
|
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：
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：
|
1
|
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：
|
1
2
3
|
# 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：
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：
|
1
|
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。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
# 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：
总结
到此这篇关于Pytorch随机数生成常用的4种方法汇总的文章就介绍到这了,更多相关Pytorch随机数生成内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/weixin_37926734/article/details/126614099
