Pytorch基础之torch.randperm的使用
目录
Pytorch torch.randperm的使用
torch.randperm(n)：将0~n-1（包括0和n-1）随机打乱后获得的数字序列，函数名是random permutation缩写
【sample】
torch.randperm(10) ===> tensor([2, 3, 6, 7, 8, 9, 1, 5, 0, 4])
torch.randn和torch.rand有什么区别
torch.rand和torch.randn有什么区别？ y = torch.rand(5,3) y=torch.randn(5,3)
一个均匀分布，一个是标准正态分布。
均匀分布
torch.rand(*sizes, out=None) → Tensor
返回一个张量，包含了从区间[0, 1)的均匀分布中抽取的一组随机数。张量的形状由参数sizes定义。
参数：
sizes (int...)- 整数序列，定义了输出张量的形状out (Tensor, optinal)- 结果张量
例子：
torch.rand(2, 3) 0.0836 0.6151 0.6958 0.6998 0.2560 0.0139 [torch.FloatTensor of size 2x3]
标准正态分布
torch.randn(*sizes, out=None) → Tensor
返回一个张量，包含了从标准正态分布（均值为0，方差为1，即高斯白噪声）中抽取的一组随机数。张量的形状由参数sizes定义。
参数：
sizes (int...)- 整数序列，定义了输出张量的形状out (Tensor, optinal)- 结果张量
例子：
torch.randn(2, 3) 0.5419 0.1594 -0.0413 -2.7937 0.9534 0.4561 [torch.FloatTensor of size 2x3]
其他：
离散正态分布
torch.normal(means, std, out=None) → → Tensor
线性间距向量
torch.linspace(start, end, steps=100, out=None) → Tensor
返回一个1维张量，包含在区间start和end上均匀间隔的step个点。
输出张量的长度由steps决定。
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。
原文地址：https://blog.csdn.net/u012633319/article/details/109039499
