torch.randn是一个在指定的维度上从标准正态分布中抽取随机数的函数。下面将详细介绍它的参数、功能和使用方法。
torch.randn函数的完整定义如下:
```python
torch.randn(*sizes, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> tensor
```
参数说明:
- `*sizes`:表示一个或多个整数的元组,用于指定返回的张量的形状。例如,`torch.randn(2,3)`会返回一个大小为2x3的张量。
- `out`:可选参数,用于指定输出张量的位置。
- `dtype`:可选参数,用于指定输出张量的数据类型。默认为None,表示dtype将从当前默认dtype获取。
- `layout`:可选参数,用于指定输出张量的布局。默认为torch.strided,表示使用默认的布局。
- `device`:可选参数,用于指定输出张量的设备。默认为None,表示设备将从当前上下文获取。
- `requires_grad`:表示是否对输出张量进行反向传播计算梯度。默认为False。
该函数的功能是创建一个以标准正态分布为基础的张量,即随机采样来自标准正态分布的数值填充张量。标准正态分布是均值为0,方差为1的正态分布。
以下是使用torch.randn函数的示例代码:
```python
import torch
# 创建一个大小为2x3的张量,从标准正态分布中抽取随机数
x = torch.randn(2, 3)
print(x)
```
输出结果:
```
tensor([[-0.0733, 1.4879, -0.2017],
[-0.0676, 1.3173, -0.8803]])
```
上述代码创建了一个大小为2x3的张量x,其中的数值是从标准正态分布中随机抽取的。每次运行代码,生成的随机数都会不同。
该函数的返回值是一个torch.Tensor对象,它包含了从标准正态分布中抽取的随机数。这个张量可以进行各种计算和操作,例如相加、乘法等。
声明:免责声明:本文内容由互联网用户自发贡献自行上传,本网站不拥有所有权,也不承认相关法律责任。如果您发现本社区中有涉嫌抄袭的内容,请发送邮件至:dm@cn86.cn进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。本站原创内容未经允许不得转载。