| torch.randn()参数size与输出张量形状详解 | 您所在的位置：网站首页 › shapes and size什么意思 › torch.randn()参数size与输出张量形状详解 |
|
torch.randn()参数size与输出张量形状详解
torch.randn(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor Returns a tensor filled with random numbers from a normal distribution with mean 0 and variance 1 (also called the standard normal distribution). out_i ∼ N(0,1), The shape of the tensor is defined by the variable argument size. Parameters size (int…) – a sequence of integers defining the shape of the output tensor. Can be a variable number of arguments or a collection like a list or tuple. 查看torch.randn()官方文档介绍，实际上torch.randn()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。 好像并没有说清楚，参数size怎么作用的，这里给大家演示一下，注意size输入为一系列的正整数： 当size是1个数时，返回一个长度为4的正态分布张量 torch.randn(4) tensor([ 1.3186, -0.8001, -0.2989, 0.6381])当size是2个数时，返回一个2行3列的张量，最小元素的每一行服从正态分布 torch.randn(2, 3) tensor([[ 1.3435, -1.2493, -0.8758], [ 1.1435, -1.5320, -0.9512]])当size是3个数时，返回一个2行1列的张量，其中每个元素又是一个3行4列的张量，最小元素的每一行服从正态分布 torch.randn(2, 3, 4) tensor([[[-2.0315, 0.1029, 0.4129, -0.3980], [-0.5129, -0.4984, -0.5934, 0.6140], [-0.0393, -2.1767, 0.1968, -0.5267]], [[ 0.7545, -0.1527, -1.5746, -0.8272], [ 0.6985, -1.1397, -1.2289, -0.3513], [-1.1178, 0.1474, -0.7278, -1.1510]]])当size是4个数时，返回一个2行3列的张量，其中每个元素又是一个4行2列的张量，最小元素的每一行服从正态分布 torch.randn(2, 3, 4, 2) tensor([[[[ 3.9611e-01, 1.0144e-01], [ 1.9349e+00, -1.2640e+00], [ 1.4645e+00, 8.3730e-01], [-1.3819e+00, 1.4743e+00]], [[ 9.6525e-01, 5.6580e-01], [-1.1867e+00, -8.8815e-01], [-1.0240e+00, 1.7835e+00], [ 1.4675e+00, 1.0380e-03]], [[-7.6963e-01, 7.4316e-01], [ 8.5112e-01, 1.8237e+00], [ 8.0043e-01, 1.8327e+00], [-2.1753e-01, -8.7711e-02]]], [[[ 1.5652e+00, 2.3123e-01], [-5.3719e-01, 1.4747e+00], [-1.1808e+00, 5.1531e-02], [-4.3431e-01, 1.3920e-02]], [[-1.1366e-01, 3.9695e-01], [-4.2535e-02, 1.0583e+00], [ 1.2490e-01, 2.8763e-01], [ 1.7470e+00, -5.3276e-01]], [[-1.4223e+00, 1.4635e+00], [-1.8354e+00, 7.7747e-01], [-6.5236e-01, -9.7374e-01], [-3.3809e-01, -7.6553e-01]]]])当size是5个数时，返回一个2行1列的张量，其中每个元素又是一个2行2列的张量，又其中的每一个元素是一个2行3列的张量，最小元素的每一行服从正态分布 torch.randn(2, 2, 2, 2, 3) tensor([[[[[-6.6070e-01, -1.9625e+00, 6.8532e-01], [-2.1039e+00, 7.9951e-01, 1.6203e-01]], [[ 4.6921e-01, 2.4813e-01, -2.4625e+00], [ 3.5252e-01, -5.5093e-01, 4.9952e-01]]], [[[-5.9623e-01, 9.4782e-01, -1.0019e+00], [ 7.4276e-01, 1.3005e-01, -5.1987e-02]], [[-1.0716e+00, -1.5122e-01, 4.2387e-01], [-4.8268e-01, 1.0938e+00, -1.6504e-01]]]], [[[[-8.0815e-01, 1.2935e+00, -1.1570e+00], [-1.6112e+00, -7.4303e-02, 5.3961e-01]], [[-8.0979e-02, 1.7036e+00, 6.7780e-01], [-8.9132e-01, -1.3144e+00, -2.6456e-01]]], [[[ 1.4088e+00, -7.4264e-01, -5.1429e-01], [ 1.9509e+00, -6.5441e-01, 2.0825e-03]], [[-9.7385e-01, -3.0170e-01, -4.1639e-01], [-1.9800e+00, 4.5140e-02, 9.3495e-01]]]]])当size是n个数时，m_1,m_2,…,m_n，若n为奇数，则返回一个m_1行1列的张量，其中每个元素是一个m_2行m_3列的张量，…，又其中每个元素是一个m_n-1行m_n列的张量，最小元素的每一行服从正态分布 当size是n个数时，m_1,m_2,…,m_n，若n为偶数，则返回一个m_1行m_2列的张量，其中每个元素是一个m_3行m_4列的张量，…，又其中每个元素是一个m_n-1行m_n列的张量，最小元素的每一行服从正态分布 |
| 今日新闻 |
| 推荐新闻 |
| 专题文章 |
| CopyRight 2018-2019 实验室设备网 版权所有 |