深入浅出PyTorch函数torch.rand与torch.randn

灰太狼 2024-03-08 02:33 99阅读 0赞

> `torch.rand` 和 `torch.randn` 都是PyTorch中用于生成随机张量的函数，但它们生成随机数的方式有所不同。

## 一、torch.rand ##

![在这里插入图片描述][57056b6190f0429bbe19bac727f41daf.jpeg_pic_center]

`torch.rand` 生成在区间 `[0, 1)` 内均匀分布的随机数。  
`size` 参数是一个表示所需张量形状的元组或整数。可以生成任何形状的随机张量。

## 二、torch.randn ##

![在这里插入图片描述][197131af69cf4f49bbeae099389bca5d.jpeg_pic_center]

`torch.randn` 生成从标准正态分布（均值为0，标准差为1）中采样的随机数。  
`size` 参数同样是一个表示所需张量形状的元组或整数。

## 三、代码示例 ##

import torch
    
    random_tensor1 = torch.rand((2, 3))
    print(random_tensor1)
    
    random_tensor2 = torch.randn((2, 3))
    print(random_tensor2)

tensor([[0.5962, 0.6559, 0.9725],
            [0.4057, 0.5187, 0.2943]])
    tensor([[ 0.1503,  0.6359, -0.2597],
            [-0.3500, -1.1397,  1.9649]])

## 三、注意 ##

需要注意的是，由于 `torch.randn` 生成的是从标准正态分布中采样的随机数，因此它的值可以在负无穷到正无穷之间，而 `torch.rand` 生成的随机数范围在 `[0, 1)` 内。

## 四、解释“在区间 \[0, 1) 内均匀分布的随机数” ##

在区间 `[0, 1)` 内均匀分布的随机数是一种随机数生成方式，其中生成的随机数在区间 `[0, 1)` 内的任何值都具有相同的概率分布。这意味着在 `[0, 1)` 内的任何值都有可能被生成，包括所有的实数值。因此，生成的随机数可以是小数，而不仅仅是整数。

[57056b6190f0429bbe19bac727f41daf.jpeg_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/08/42803751898d462680f79e0d5402eff0.png
[197131af69cf4f49bbeae099389bca5d.jpeg_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/08/9609b371f8984fccb01b6778d8405f18.png