pytorch常用函数之torch.randn()解读

一、概述

在PyTorch中，torch.randn()函数是一个常用的生成随机数据的函数。它可用于创建给定形状的张量，张量中的元素是从标准正态分布中抽取的随机数。

因此，本攻略将重点介绍torch.randn()函数。

二、函数定义

torch.randn(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

该函数返回具有正态分布（均值为0，标准差为1）的随机数的张量。张量形状由参数size指定。

三、函数参数

1. *size : int 可变参数

指示期望生成的随机数的张量形状。例如，将(size1,size2,size3)传递给函数将创建一个包含size1个元素且每个元素都包含一个包含size2行和size3列的二维张量。

1. out : Tensor

输出张量。如果不为None，则结果将被覆盖。size必须匹配。

1. dtype: torch.dtype

输出张量的数据类型。默认值为torch.float32。

1. layout: torch.layout （可选）

输出张量的内存布局。默认值为torch.strided。

1. device : torch.device （可选）

将张量分配给特定的设备，如cuda或cpu。默认值是None，表示将张量分配给当前设备上的内存。

1. requires_grad : bool （可选）

是否跟踪张量的梯度。默认值为False，表示不跟踪。

四、示例说明

本节将介绍两个示例，以说明torch.randn()的使用方法。

示例1：生成一个5行3列的张量

import torch

tensor = torch.randn(5, 3)
print(tensor)

输出:

tensor([[-0.8202, -0.0925,  1.0511],
        [ 0.1677, -1.7473,  1.5903],
        [-0.7711,  1.5926,  0.9529],
        [-1.4212, -0.2928, -1.1349],
        [ 0.3683,  0.3862, -0.0461]])

示例2：将生成的张量分配给GPU进行运算

import torch

device = torch.device('cuda')   #将张量分配给GPU
tensor = torch.randn(5, 3, device=device)
result = tensor * 2   #对于x中的每个元素，计算它乘以2的值并将结果分配给result
print(result)

输出:

tensor([[-0.6762,  2.1078, -1.9015],
        [-2.3957, -1.4453, -0.5515],
        [ 1.2778, -2.5044,  1.1749],
        [-2.7136, -1.4242,  0.3319],
        [-0.8358, -0.6372, -0.2943]], device='cuda:0')

以上就是torch.randn()函数的用法。希望本文可以对读者有所帮助！