跳转至

Python–Pytorch randn()方法

原文:https://www.geeksforgeeks.org/python-pytorch-randn-method/

PyTorch torch.randn() 返回由变量自变量大小(定义输出张量形状的整数序列)定义的张量，包含来自标准正态分布的随机数。

语法: torch.randn(size，out=None，dtype=None，布局=torch.strided ， device=None* ，requires_grad=False)

参数:

  • 大小:定义输出张量大小的整数序列。可以是可变数量的参数或集合，如列表或元组。
  • out: (可选)输出张量。
  • 数据类型:(可选)输出张量的数据类型。
  • 布局:(可选)返回张量的所需布局。默认值为 torch.strided。
  • 设备:(可选)返回张量的所需设备。默认值:如果无，则使用默认张量类型的当前设备(参见torch.set_default_tensor_type())。设备将是用于 CPU 张量类型的 CPU 和用于 CUDA 张量类型的当前 CUDA 设备。
  • requires_grad: (可选)如果设置为 true，则在输出张量上自动记录操作。

返回:由标准正态分布的值填充的张量。

让我们借助几个例子来看看这个概念:

例 1:

计算机编程语言

# import pytorch library
import torch

# create a tensor of size 2 x 4
input_var = torch.randn(2,4)

print (input_var)

输出:

tensor([[-1.4313, -0.3831, -0.8356, -1.5555],
        [-1.2749, -1.1872, -0.4983,  0.1029]])

这将返回一个大小为 2 × 4 的张量，其中填充了标准正态分布的值，即平均值为 0，方差为 1。

例 2:

蟒蛇 3

# import Pytorch library
import torch

# create a 3-dimensional tensor
# of 4 x 5
input_var =  torch.randn(3, 4, 5,
                     requires_grad = True)
print(input_var)

输出:

张量([[-0.1097，1.6845，0.9375，-1.0515，0.5767]， [ 0.1924，-0.7736，-0.7102，-0.2654，0.3118]， [-0.5314，0.1924，-1.1629，0.2360，0.8605]，

这将返回一个大小为 3 × 4 × 5 的张量，用随机数填充，并在执行时记录梯度值。 例 3:

蟒蛇 3

# import Pytorch library
import torch

# error occur
input_var =  torch.randn(3.0, 4.0, 5.0,
                     requires_grad = True)
print(input_var)

输出:

在 1 #导入 Pytorch 库 2 导入 torch —>3 输入= torch.randn(3.0，4.0，5.0，requires_grad=True) 4 打印(输入) TypeError: randn()收到无效的参数组合–got(float，float，float，requires_grad=bool)，但应为: (ints 大小的元组，，名称的元组，torch 生成器生成器，名称元组，torch.dtype dtype，torch.layout 布局，torch.device device，bool pin_memory，bool requires_grad) (ints 大小元组，，torch。生成器生成器，Tensor out，torch.dtype dtype，torch.layout 布局，torch.device device，bool pin_memory，bool requires_grad) (ints 大小的元组， Tensor out，torch.dtype dtype，torch.layout 布局，torch.device device，bool pin_memory，bool requires_grad)

size 参数不能采用浮点数，因此会产生错误。

回到顶部