torch之随机数生成
Torch之随机数生成方式
torch.rand() torch.randn()torch.normal()torch.linespace()
1. 均匀分布
torch.rand(*sizes, out=None) → Tensor
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
例子:
torch.rand(2, 3)
0.0836 0.6151 0.6958
0.6998 0.2560 0.0139
[torch.FloatTensor of size 2x3]
2. 标准正态分布
torch.randn(*sizes, out=None) → Tensor
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
例子:
torch.randn(2, 3)
0.5419 0.1594 -0.0413
-2.7937 0.9534 0.4561
[torch.FloatTensor of size 2x3]
3.离散正态分布
torch.normal(means, std, out=None) → → Tensor
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
例子:
torch.normal(mean=0.5, std=torch.arange(1, 6))
-0.1505
-1.2949
-4.4880
-0.5697
-0.8996
[torch.FloatTensor of size 5]
3.线性间距向量
torch.linspace(start, end, steps=100, out=None) → Tensor
返回一个1维张量,包含在区间start和end上均匀间隔的step个点。
输出张量的长度由steps决定。
参数:
start (float) - 区间的起始点
end (float) - 区间的终点
steps (int) - 在start和end间生成的样本数
out (Tensor, optional) - 结果张量
例子:
torch.linspace(3, 10, steps=5)
3.0000
4.7500
6.5000
8.2500
10.0000
[torch.FloatTensor of size 5]
torch之随机数生成相关推荐
- Torch7系列教程之Torch深度学习库教程(一)
Torch7深度学习库教程 写在前面的话 torch库 1 Tensor库 1.1 Tensor数据使用简介 1.2 Tensor构造函数 1.3 作用于Torch上的一些操作函数 2 Storage ...
- torch中manual_seed的作用
torch.manual_seed(seed) – 官方文档说明:设置 (CPU) 生成随机数的种子,并返回一个torch.Generator对象. 设置种子的用意是一旦固定种子,后面依次生成的随机数 ...
- 关于numpy,torch中seed()方法的一些理解
首先举几个使用seed()函数的例子: # 生成随机数,以便固定后续随机数,方便复现代码 random.seed(args.seed) # 没有使用GPU的时候设置的固定生成的随机数 np.rando ...
- torch.manual_seed(seed)
torch.manual_seed(seed) – 官方文档说明:设置 (CPU) 生成随机数的种子,并返回一个torch.Generator对象. 设置种子的用意是一旦固定种子,后面依次生成的随机数 ...
- Pyinstaller 打包 torch 后执行失败 OSError: could not get source code
1. 问题现象 系统环境 Python 3.6.9 torch 1.2.0 torchvision 0.4.0 Pyinstaller 4.5.1 Pyinstaller 打包 torch 后执行失败 ...
- torch.nn.functional.cross_entropy.ignore_index
ignore_index表示计算交叉熵时,自动忽略的标签值,example: import torch import torch.nn.functional as F pred = [] pred.a ...
- torch.backends.cudnn.deterministic 使用cuda保证每次结果一样
为什么使用相同的网络结构,跑出来的效果完全不同,用的学习率,迭代次数,batch size 都是一样?固定随机数种子是非常重要的.但是如果你使用的是PyTorch等框架,还要看一下框架的种子是否固定了 ...
- PyTorch的torch.cat
字面理解:torch.cat是将两个张量(tensor)拼接在一起,cat是concatnate的意思,即拼接,联系在一起. 例子理解 import torch A=torch.ones(2,3) # ...
- pytorch学习 中 torch.squeeze() 和torch.unsqueeze()的用法
squeeze的用法主要就是对数据的维度进行压缩或者解压. 先看torch.squeeze() 这个函数主要对数据的维度进行压缩,去掉维数为1的的维度,比如是一行或者一列这种,一个一行三列(1,3)的 ...
最新文章
- 计算机游戏系统分析,计算机游戏引擎fly3D系统的实现方式及应用技巧
- 没有qpress_关于网站没反应的阿里云帮助中心问题解答
- rac下asm管理的表空间-数据文件的重命名
- php mysql 大量读取_PHP使用PDO从mysql读取大量数据处理详解
- 小不咖啡——自己写着玩的网站
- Linux内核设计与实现---虚拟文件系统
- shell中判断远程主机的某个tcp端口是否存活
- linux没有c编译器,兄弟们,我这有台电脑里的Linux缺少cc(C编译器),我该怎么把它补上去啊?急啊!!!...
- 图像处理之给定任意四点不规则放缩
- 大数据分析需注意什么问题
- eclipse的editor does not contain a main type错误
- python中的raw_input() 与 input() 比较
- python-next
- python简明教程_04
- 6m缓存和8m缓存差距_R5 3600和R5 3600X性能差距大吗?Ryzen5 3600和3600X区别对比评测(转)...
- python判断素数的函数_python判断素数的方法
- web端实现二维码扫码记录
- img标签图片自适应的样式
- 公众号里面套页面_怎么套用别人的公众号模板,如何套用微信图文模板
- spring cache注解@Cacheable参数key赋值
热门文章
- 用elementUI框架与VUE.js结合做成的公司考勤系统
- xczu3eg板子安装Ubuntu文件系统
- 现在的奶茶为什么越卖越贵?
- 微信商城二次开发php,php版微信小店API二次开发及使用示例-微信开发
- dnf打团正在连接服务器进不去是吗鬼,DNF:“纯C巨龙”引争议!这年头,连红眼都开始打辅助位了?...
- SQL注入原理-布尔盲注
- OPPOA57_官方线刷包_救砖包_解账户锁
- Win7系统安装office2007时出现“错误1046,安装程序无法将值写入注册表”解决办法...
- 计算机现场质量检验报告单,3·15特辑 | 军工品质!华硕TUF-RTX2060-O6G-GAMING品质检测报告...
- android抢红包代码解析支持微信与QQ