从零开始深度学习Pytorch笔记——张量的创建（下）

冷不防 2023-07-12 08:43 33阅读 0赞

我们介绍了Pytorch中的张量，并且讲述了张量的各种创建方式，本文我们将继续研究Pytorch的更多创建方式。

生成正态分布（高斯分布）数据的张量torch.normal(mean, std, out=None)参数：mean:均值，std:标准差  
这种生成正态分布数据的张量创建有4种模式：  
（1）mean为张量，std为张量  
（2）mean为标量，std为标量  
（3）mean为标量，std为张量  
（4）mean为张量，std为标量

#mean为张量，std为张量
    mean = torch.arange(1,6,dtype=torch.float)
    std = torch.arange(1,6,dtype=torch.float)
    t = torch.normal(mean,std)
    print("mean:{},std:{}".format(mean,std))
    print(t)

此时的mean和std都是张量，可以理解为其中的-0.6152是mean为1，std为1的正态分布采样得到，其他对应位置数据同理得到，只是从不同的正态分布中采样得到。

#mean为标量，std为标量
    t = torch.normal(0.2,1.0,size=(5,))
    print(t)

这里生成的数据都是通过mean为0.2，std为1.0采样得到的，长度为5的一维张量。

#mean为标量，std为张量
    mean = 2
    std = torch.arange(1,4,dtype=torch.float)
    t = torch.normal(mean,std)
    print("mean:{},std:{}".format(mean,std))
    print(t)

1.9759是mean为2，std为1的正态分布采样得到，其他对应位置数据同理得到，只是从不同的正态分布中(均值不同，标准差相同）采样得到。

#mean为张量，std为标量
    mean = torch.arange(1,4,dtype=torch.float)
    std = 2
    t = torch.normal(mean,std)
    print("mean:{},std:{}".format(mean,std))
    print(t)

其中，0.2434是mean为1，std为2的正态分布采样得到，其他对应位置数据同理得到，只是从不同的正态分布中(均值不同，标准差相同）采样得到。  
标准正态分布数据的张量标准正态分布指的是：均值为0，标准差为1  
torch.randn()  
torch.randn(\*size, out=None, dtype=None, layout=torch.strided, device=None, requires\_grad=False)  
size:张量的形状例如创建一个长度为6的标准正态分布张量：torch.randn(6)创建一个二维的标准正态分布张量：torch.randn(3,4)torch.randn\_like()可以根据张量的形状创建新的标准正态分布张量  
randn\_like(input, dtype=None, layout=None, device=None, requires\_grad=False)

a = torch.ones((3,4))
    t = torch.randn_like(a)
    print(t)

创建在 (0,1\] 上均匀分布的张量torch.rand()torch.rand(\*size, out=None, dtype=None, layout=torch.strided, device=None, requires\_grad=False)  
创建一个均匀分布的长度为5的一维张量：torch.rand(5)  
创建一个均匀分布的二维张量：torch.rand(3,4)  
在区间上创建整数均匀分布数据的张量torch.randint()和torch.randint\_like()可以达到这个效果。

torch.randint(low=0, high, size, out=None, dtype=None, layout=torch.strided, device=None, requires\_grad=False)  
在区间\[low,high)上生成整数均匀分布数据的张量

例如创建在\[2,6)上均匀分布的整数张量，长度为4的一维张量：torch.randint(2, 6, (4,))

生成在\[0,9) 上均匀分布的整数张量，二维张量：  
torch.randint(9, (3, 2))

生成0~n-1的随机排列一维张量torch.randperm(n, out=None, dtype=torch.int64, layout=torch.strided, device=None, requires\_grad=False)  
torch.randperm(6)

生成伯努利分布（0-1分布，两点分布）的张量torch.bernoulli(input, \*, generator=None, out=None)input：概率值例如先创建一个张量a，作为之后的概率值输入：a = torch.empty(3, 3).uniform\_(0, 1)a然后通过a创建张量t：torch.bernoulli(a)\#使用上面创建的张量a作为概率值创建伯努利分布