Pytorch中torch.rand()、torch.randn()、torch.randint()、torch.randperm()几个函数的说明

这篇具有很好参考价值的文章主要介绍了Pytorch中torch.rand()、torch.randn()、torch.randint()、torch.randperm()几个函数的说明。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1. torch.rand(*sizes, out=None) -> Tensor

参数：
- sizes (int...)：整数序列，定义了输出张量的形状。
- out (Tensor, 可选)：输出张量。
返回值：
- 一个新的张量，包含了在区间 [0, 1) 上均匀分布的随机数。
用途：文章来源地址https://www.toymoban.com/news/detail-804489.html
- torch.rand 用于生成指定形状的张量，其元素从 [0, 1) 的均匀分布中随机抽取。这通常用于模型权重的初始化或任何需要均匀分布随机数的场景。

2. torch.randn(*sizes, out=None) -> Tensor

参数：
- sizes (int...)：整数序列，定义了输出张量的形状。
- out (Tensor, 可选)：输出张量。
返回值：
- 一个新的张量，包含了从标准正态分布（均值为0，标准差为1）中抽取的随机数。
用途：
- torch.randn 生成具有标准正态分布（高

斯分布）的随机数张量。这在需要正态分布随机数的场景下使用，如权重初始化或概率模型的输入。

3. torch.randint(low=0, high, *sizes, out=None) -> Tensor

参数：
- low (int, 可选)：随机整数生成的最低值（包含），默认为0。
- high (int)：随机整数生成的最高值（不包含）。
- sizes (int...)：整数序列，定义了输出张量的形状。
- out (Tensor, 可选)：输出张量。
返回值：
- 一个新的张量，包含了在区间 [low, high) 上均匀分布的随机整数。
用途：
- torch.randint 用于生成指定范围内的随机整数张量。常用于生成索引、随机抽样、初始化整数参数等场景。

4.torch.randperm(n, out=None) -> Tensor

参数：
- n (int)：生成整数序列的上限，序列将包含 [0, n)。
- out (Tensor, 可选)：输出张量。
返回值：
- 一个新的张量，包含了一个长度为 n 的随机排列。
用途：
- torch.randperm 生成一个0到n-1的随机排列的张量。这个函数在需要随机打乱序列或者创建没有重复元素的随机索引时非常有用，比如在分割数据集为训练集和测试集时进行随机采样。

到了这里，关于Pytorch中torch.rand()、torch.randn()、torch.randint()、torch.randperm()几个函数的说明的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！