PyTorch中torch.normal()函数详解

PyTorch中torch.normal()函数详解

引用

CSDN

1.

https://blog.csdn.net/wo541075754/article/details/142696150

torch.normal()用法

torch.normal()函数，用于生成符合正态分布（高斯分布）的随机数。在 PyTorch 中，这个函数通常用于生成 Tensor。
该函数共有四个方法：

@overload
def normal(mean: Tensor, std: Tensor, *, generator: Optional[Generator] = None, out: Optional[Tensor] = None) -> Tensor: ...
@overload
def normal(mean: Tensor, std: _float = 1, *, generator: Optional[Generator] = None, out: Optional[Tensor] = None) -> Tensor: ...
@overload
def normal(mean: _float, std: Tensor, *, generator: Optional[Generator] = None, out: Optional[Tensor] = None) -> Tensor: ...
@overload
def normal(mean: _float, std: _float, size: Sequence[Union[_int, SymInt]], *, 
           generator: Optional[Generator] = None, out: Optional[Tensor] = None, 
           dtype: Optional[_dtype] = None, layout: Optional[_layout] = None, 
           device: Optional[Optional[DeviceLikeType]] = None, 
           pin_memory: Optional[_bool] = False, 
           requires_grad: Optional[_bool] = False) -> Tensor: ...

参数解析

• mean: 表示正态分布的均值 (μ)。可以是一个标量，也可以是一个张量，如果是张量，其形状必须与 std 相容。如果 mean 是一个张量，那么函数将生成与 mean 相同形状的随机数张量，并以 mean 中的值作为各个维度的均值。
• std: 表示正态分布的标准差 (σ)。可以是一个标量，也可以是一个张量，如果是张量，其形状必须与 mean 相容。如果 std 是一个张量，那么函数将生成与 std 相同形状的随机数张量，并以 std 中的值作为各个维度的标准差。
• “*” (星号)：星号后的参数为关键字参数，只能用关键字指定。
• size：指定生成张量的尺寸。
• generator=None：指定一个随机数生成器。PyTorch 常用 torch.Generator() 创建生成器。如果不指定，使用默认生成器。
• out=None：用于指定输出的 Tensor。如果不提供，函数将返回一个新创建的 Tensor。

返回值

返回一个张量，其形状与 mean 和 std 相同，其中的元素服从均值为 mean，标准差为 std 的正态分布。
使用示例

import torch

random_value = torch.normal(mean=0.0, std=1.0, size=(2, 2))
print(random_value)

# 生成一个服从均值0和标准差1的单个随机数
random_value = torch.normal(mean=0, std=1, size=(1,))
print(random_value)

# 生成一个服从均值0和标准差1的张量
mean_tensor = torch.zeros(3, 3)  # 均值张量
std_tensor = torch.ones(3, 3)  # 标准差张量
random_tensor = torch.normal(mean_tensor, std_tensor)
print(random_tensor)

# 使用指定生成器生成随机数
generator = torch.Generator().manual_seed(42)
random_value_with_generator = torch.normal(mean=0.0, std=1.0, size=(2, 2), generator=generator)
print(random_value_with_generator)

# 输出到指定Tensor
out_tensor = torch.empty(3, 3)
torch.normal(mean_tensor, std_tensor, out=out_tensor)
print(out_tensor)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24

以上是 torch.normal() 函数的基本用法。可以根据具体需求调整 mean 和 std 的值来生成不同形状、不同均值和标准差的正态分布随机数。