Pytorch隨機數(shù)生成常用的4種方法匯總

更新時間：2023年05月15日 11:39:03 作者：嵌入式技術(shù)

隨機數(shù)廣泛應用在科學研究,但是計算機無法產(chǎn)生真正的隨機數(shù),一般成為偽隨機數(shù),下面這篇文章主要給大家介紹了關(guān)于Pytorch隨機數(shù)生成常用的4種方法,需要的朋友可以參考下

一、torch.rand()：構(gòu)造均勻分布張量的方法
二、torch.randn()：構(gòu)造標準正態(tài)分布張量的方法
三、torch.randint()：構(gòu)造區(qū)間分布張量的方法
四、torch.randperm()：根據(jù)生成的隨機序號對張量進行隨機排序的方法
總結(jié)

一、torch.rand()：構(gòu)造均勻分布張量的方法

torch.rand是用于生成均勻隨機分布張量的函數(shù)，從區(qū)間[0,1)的均勻分布中隨機抽取一個隨機數(shù)生成一個張量，其調(diào)用方法如下所示：

torch.rand(sizes, out=None) ?? Tensor

其中，

sizes：用于定義輸出張量的形狀

簡單的示例代碼如下所示：

import torch

# 生成一個每個元素服從0-1均勻分布的4行3列隨機張量
tensor_1 = torch.rand(4, 3)
print(tensor_1, tensor_1.type())

輸出結(jié)果如下圖所示：

二、torch.randn()：構(gòu)造標準正態(tài)分布張量的方法

torch.randn()是用于生成正態(tài)隨機分布張量的函數(shù)，從標準正態(tài)分布中隨機抽取一個隨機數(shù)生成一個張量，其調(diào)用方法如下所示：

torch.randn(sizes, out=None) ?? Tensor

其中，

sizes：用于定義輸出張量的形狀

簡單的示例代碼如下所示：

import torch

# 生成一個每個元素均為標準正態(tài)分布的4行3列隨機張量
tensor_2 = torch.randn(4, 3)
print(tensor_2, tensor_1.type())

輸出結(jié)果如下圖所示：

三、torch.randint()：構(gòu)造區(qū)間分布張量的方法

torch.randint()是用于生成任意區(qū)間分布張量的函數(shù)，從標準正態(tài)分布中隨機抽取一個隨機數(shù)生成一個張量，其調(diào)用方法如下所示：

torch.randint(low=0, high, sizes, out=None) ?? Tensor

其中，

low~high：隨機數(shù)的區(qū)間范圍

sizes：用于定義輸出張量的形狀

簡單的示例代碼如下所示：

# 生成一個每個元素均為[1-10]均勻分布的4行3列隨機張量
tensor_3 = torch.randint(1, 10, (4, 3))
print(tensor_3, tensor_3.type())

輸出結(jié)果如下圖所示：

四、torch.randperm()：根據(jù)生成的隨機序號對張量進行隨機排序的方法

torch.randint()是用于對張量序號進行隨機排序的函數(shù)，并根據(jù)生成的隨機序列，其調(diào)用格式如下所示：

torch.randperm(n, out=None, dtype=torch.int64) ?? LongTensor

其中，

n：一個整數(shù)，可以理解為張量某個方向的維度

dtype：返回的數(shù)據(jù)類型（torch.int64）

簡單的示例代碼如下所示：

下面代碼實現(xiàn)的功能為：將二維張量按照行進行隨機排序。

# 生成一個0~3的隨機整數(shù)排序
idx = torch.randperm(4)
# 生成一個4行3列的張量
tensor_4 = torch.Tensor(4, 3)

# 為了方便對比，首先輸出tensor_4的結(jié)果
print("原始張量\n", tensor_4)

# 下面輸出隨機生成的行序號
print("\n生成的隨機序號\n", idx)

# 下面的指令實現(xiàn)了在行的方向上，對tensor_4進行隨機排序，并輸出結(jié)果
print("\n隨機排序后的張量\n", tensor_4[idx])

輸出結(jié)果如下圖所示：