normal函数的详细使用和常见错误

1.normal(mean, std, *, generator=None, out=None)

返回值：一个张量，张量中每个元素是从相互独立的正态分布中随机生成的。每个正态分布的均值和标准差对应着mean中的一个值和std中的一个值
参数
- mean（tensor）：是一个张量，存储着输出张量中每个元素正态分布的均值
- std（tensor）：是一个张量，存储着输出张量中每个元素正态分布的标准差
- 注意：张量mean和std的形状不一定相同，但是元素个数必须相同。如果二者形状不一致，返回张量的形状和mean的一致
- generator=None：用于采样的伪随机数发生器
- out：输出张量的形状

注意：参数列表里的 * 星号，标志着位置参数的就此终结，之后的那些参数，都只能以关键字形式来指定

可能你到这里就信誓旦旦去调用这个函数了，但是实际结果是：

import torch
torch.normal(means=torch.arange(1,11),std=torch.arange(1,0,-0.1))

---------------------------------------------------------------------------TypeError                                 Traceback (most recent call last)~\AppData\Local\Temp/ipykernel_21072/3185136372.py in <module>1 import torch
----> 2 torch.normal(means=torch.arange(1,11),std=torch.arange(1,0,-0.1))TypeError: normal() received an invalid combination of arguments - got (means=Tensor, std=Tensor, ), but expected one of:* (Tensor mean, Tensor std, *, torch.Generator generator, Tensor out)* (Tensor mean, float std, *, torch.Generator generator, Tensor out)* (float mean, Tensor std, *, torch.Generator generator, Tensor out)* (float mean, float std, tuple of ints size, *, torch.Generator generator, Tensor out, torch.dtype dtype, torch.layout layout, torch.device device, bool pin_memory, bool requires_grad)

从错误提示可以看到，参数不应该是means，而是使用mean，所以我们把means改成mean

然而。。。

torch.normal(mean=torch.arange(1,11),std=torch.arange(1,0,-0.1))

---------------------------------------------------------------------------RuntimeError                              Traceback (most recent call last)~\AppData\Local\Temp/ipykernel_21072/2194249099.py in <module>
----> 1 torch.normal(mean=torch.arange(1,11),std=torch.arange(1,0,-0.1))RuntimeError: "normal_kernel_cpu" not implemented for 'Long'

是不是很无奈，其实这是pytorch版本的问题，我们把arrange中的数字都改成浮点数就行了

torch.normal(mean=torch.arange(1.,11.),std=torch.arange(1.,0.,-0.1))
# ([ 0.9897, // 从均值为1，标准差为1的正太分布中随机选取的
#   2.0167,  // 从均值为2，标准差为0.9的正太分布中随机选取的
#   3.4270,  //以此类推
#   3.9813,
#   5.7261,
#   6.1477,
#   7.3065,
#   8.3148,
#   8.6105,
#   10.0650])

tensor([ 0.9897,  2.0167,  3.4270,  3.9813,  5.7261,  6.1477,  7.3065,  8.3148,8.6105, 10.0650])

2.normal(mean, std, *, out=None)

参数：
- mean(float):输出张量中元素正态分布的均值，不过是输出张量中的所有元素所共享的

其他部分和第一个函数一样

torch.normal(2.,torch.arange(1.0,0,-0.1))

tensor([1.3067, 3.1319, 3.0808, 1.4510, 2.7221, 2.3876, 2.6084, 1.8700, 1.8914,2.0556])

3.其他两个，大体一致

(Tensor mean, float std, *, torch.Generator generator, Tensor out)：共享同一个标准差
(float mean, float std, tuple of ints size, *, torch.Generator generator, Tensor out, torch.dtype dtype, torch.layout layout, torch.device device, bool pin_memory, bool requires_grad)：共享同一个均值和同一个标准差，并且需要额外指定输出张量的形状

【pytorch】normal函数的详细使用和常见错误相关推荐

np.empty()函数、np.random.uniform()函数、np.random.normal()函数的详细介绍和代码说明
目录 np.empty()函数 np.random.uniform()函数 np.random.normal()函数 np.random的其它常见函数参考 np.empty()函数函数定义: nu ...
Go常见错误第11篇：意外的变量隐藏(variable shadowing)
前言这是Go常见错误系列的第11篇:Go语言中意外的变量遮蔽.素材来源于Go布道者,现Docker公司资深工程师Teiva Harsanyi. 本文涉及的源代码全部开源在:Go常见错误源代码,欢迎大 ...
使用PyTorch构建神经网络（详细步骤讲解+注释版） 01-建立分类器类
文章目录 1 数据准备 2 数据预览 3 简单神经网络创建 3.1 设计网络结构 3.2 损失函数相关设置 3.3 向网络传递信息 3.4 定义训练函数train 4 函数汇总 1 数据准备神经网络 ...
pytorch基础函数学习
深度学习框架,似乎永远离不开哪个最热哪个最实用的话题,自己接触甚浅,尚不敢对齐进行大加评论,这里也只是初步接触.目前常见的有TensorFlow,pytorch,Keras等,至于目前哪个做好用,就像 ...
trim函数实现php,php trim函数的详细解析
本篇文章给大家带来的内容是关于php trim函数的详细解析,有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助. 字符串的处理在任何程序中应该是最最常见的了吧.php 的trim函数就是用 ...
PyTorch中linspace的详细用法
从PyTorch的官方网站上找到了这个函数的详细说明. https://pytorch.org/docs/stable/generated/torch.linspace.html?highlight= ...
python中.find函数的使用方法及实例_FIND函数的详细讲解及实例分析
在写LOOKUP的时候就想写一下FIND函数,此函数是我经常用到的函数,无论是在EXCEL中还是在VBA中,此函数的利用价值极高,很值得推荐,此函数应用简单,易学易用.我在以前的VBA文章中非常详细地 ...
pandas.get_dummies函数用法详细解答（实践）
pandas.get_dummies函数用法详细解答(实践) pandas.get_dummies函数用法详细解答(实践)_skywf的博客-CSDN博客 one-hot encoding one-h ...
numpy常用函数之random.normal函数
numpy常用函数之random.normal函数 4.np.random.normal(loc=0.0, scale=1.0, size=None) 作用: 生成高斯分布的概率密度随机数 lo ...

【pytorch】normal函数的详细使用和常见错误

normal函数的详细使用和常见错误

1.normal(mean, std, *, generator=None, out=None)

从错误提示可以看到，参数不应该是means，而是使用mean，所以我们把means改成mean

2.normal(mean, std, *, out=None)

3.其他两个，大体一致

【pytorch】normal函数的详细使用和常见错误相关推荐

最新文章

热门文章