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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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= ...

  7. 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 ...

  8. 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 ...

  9. 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 ...

最新文章

  1. 《AngularJS实战》——3.1 模板中的过滤器
  2. 用BadgeView在actionbar menu上显示提醒信息
  3. git在提交的时候报错:Your branch is up to date with ‘origin/master‘
  4. hibernate重要知识点总结
  5. CRM+Mysql+php初学
  6. Truffle3.0集成NodeJS并完全跑通(附详细实例,可能的错误)
  7. 关键字提取_Excel根据2个关键字,批量提取字符
  8. 解决 Tomcat 下 getInitParameter 返回 null
  9. 神经网络相关的笔试题目集合(一)
  10. C语言——猴子吃桃问题
  11. 关于键盘事件中keyCode、which和charCode 的兼容性测试
  12. struts2中action手动获取參数
  13. Ubuntu Emacs Fcitx 中文输入法设置
  14. 中国操作系统变迁史,鸿蒙之前的尸骨
  15. windows 10 Docker Desktop TeamTalk 安装笔记
  16. 一个不错微服务架构图
  17. 关于地理数据收集与处理的基本工具推荐(3)--最新30m的DEM与DSM数据免费下载
  18. 入职薪酬谈判技巧_如何谈判你的薪水
  19. 6,Java毕向东百度云盘
  20. Android多分辨率适配框架(1)— 核心基础

热门文章

  1. 计算机科学中国大学学术排名,22年1月ESI排名
  2. Python学习——正则表达式与re模块实现字符串计算器
  3. 打卡-2023-4-1
  4. nfs服务器哪个版本稳定,NFS V3与各个版本间的比较
  5. 空草子·如何利用QT和opengl进入幻想乡
  6. virtualbox centos7 安装增强功能时报错【未能加载虚拟光盘】非图形界面下的解决方案
  7. 数据类型Map判空 、空字符串、空key值等各种判断方法,全网最详细
  8. Spring-事务管理
  9. linux判断redis是否启动成功_查看linux上面是否有安装redis,redis启动
  10. 【JavaSE】equals方法基本使用