torch.randn()函数

torch.randn()

torch.randn(*size, *, out=None, dtype=None, layout=torch.strided,
device=None, requires_grad=False) → Tensor

返回一个符合均值为0，方差为1的正态分布（标准正态分布）中填充随机数的张量

Parameters

size(int…) --定义输出张量形状的整数序列。可以是数量可变的参数，也可以是列表或元组之类的集合。

Keyword Arguments

out(Tensor, optional) --输出张量
dtype(torch.dtype, optional) --返回张量所需的数据类型。默认:如果没有，使用全局默认值
layout(torch.layout, optional) --返回张量的期望布局。默认值:torch.strided
device(torch.device, optional) --返回张量的所需 device。默认:如果没有，则使用当前设备作为默认张量类型.(CPU或CUDA)
requires_grad(bool, optional) –autograd是否应该记录对返回张量的操作(说明当前量是否需要在计算中保留对应的梯度信息)。默认值:False。

Example:

>>> torch.randn(4)
tensor([-2.1436,  0.9966,  2.3426, -0.6366])
>>> torch.randn(2, 3)
tensor([[ 1.5954,  2.8929, -1.0923],[ 1.1719, -0.4709, -0.1996]])

torch.randn()函数相关推荐

randn函数加噪声_损失函数（Loss Function）
损失函数 MSELoss(均方误差损失函数) BCELoss.BCEWithLogitsLoss CrossEntropyLoss L1Loss SmoothL1Loss 各个损失函数的导数计算值: ...
torch.argmax()函数
argmax函数:torch.argmax(input, dim=None, keepdim=False) 返回指定维度最大值的序号,dim给定的定义是:the demention to reduce ...
randn函数加噪声_NLP入门指南01：感知机、激活函数、损失函数
单层感知机最简单的神经网络单元,感知机模拟生物神经元而来,有输入.输出,信号从输入流向输出. 每一个感知机都有一个输入 ,一个输出 ,和三个参数构成,它们分别是: 权重(weight) 偏置(bia ...
randn函数加噪声_语义分割中常用的损失函数1（基础篇）
一.L1.L2 loss (分割中不常用,主要用于回归问题) L1 Loss L1 Loss 主要用来计算 input x 和 target y 的逐元素间差值的平均绝对值. pytorch表示为: ...
torch.max()函数==》返回该维度的最大值以及该维度最大值对应的索引
今天在学习TTSR的过程总遇到了一行代码,我发现max()函数竟然可以返回两个值,于是我决定重新学习一下这个函数 R_lv3_star, R_lv3_star_arg = torch.max(R_lv ...
torch.bmm()函数解读
函数作用计算两个tensor的矩阵乘法,torch.bmm(a,b),tensor a 的size为(b,h,w),tensor b的size为(b,w,m) 也就是说两个tensor的第一维是相等 ...
torch.bmm 函数
torch.bmm 函数这里只是记录一下,为了以后个人方便查找. 具体参考:pytorch官方文档 torch.bmm(input, mat2, *, deterministic=False, ou ...
pytorch中torch.cholesky()函数的使用
1. 函数介绍: 功能:计算对称正定矩阵的Cholesky分解.A 或对于成批的对称正定矩阵.如果 upper 为 True ,则返回的矩阵 U 为上三角,分解形式为:A=U^TU如果 upper 为 ...
Pytorch中tensor维度和torch.max()函数中dim参数的理解
Pytorch中tensor维度和torch.max()函数中dim参数的理解维度参考了 https://blog.csdn.net/qq_41375609/article/details/106 ...

torch.randn()函数

torch.randn()函数相关推荐

最新文章

热门文章