PyTorch torch.normal-Funktion
PyTorch torch Referenzhandbuch
torch.normalist eine Funktion in PyTorch, die verwendet wird, um Zufallszahlen aus einer Normalverteilung zu erzeugen.
Funktionsdefinition
torch.normal(mean, std, *, generator=None, out=None) torch.normal(mean, std, size, *, generator=None, out=None)
Parameterbeschreibung
mean- Mittelwert der Normalverteilungstd- Standardabweichung der Normalverteilungsize- Form des Ausgabe-Tensors (optional)generator- Zufallszahlengenerator (optional)out- Ausgabetensor (optional)
Anwendungsbeispiel
Beispiel
import torch
# Erzeuge einen zufälligen Tensor mit festem Mittelwert und fester Standardabweichung
result1 = torch.normal(mean=0.0, std=1.0, size=(3, 3))
print("Mittelwert 0, Standardabweichung 1, 3x3 Zufallstensor mit Normalverteilung:")
print(result1)
# Tensoren als Mittelwert und Standardabweichung verwenden
mean = torch.tensor([0.0, 1.0, 2.0])
std = torch.tensor([1.0, 2.0, 3.0])
result2 = torch.normal(mean, std)
print("nSampling-Ergebnis mit Tensorparametern:")
print(result2)
# Skalaren Mittelwert und Tensor-Standardabweichung verwenden
result3 = torch.normal(mean=0.0, std=torch.tensor([1.0, 2.0, 3.0]))
print("nSampling-Ergebnis mit skalarem Mittelwert und Tensor-Standardabweichung:")
print(result3)
# Erzeuge einen zufälligen Tensor mit festem Mittelwert und fester Standardabweichung
result1 = torch.normal(mean=0.0, std=1.0, size=(3, 3))
print("Mittelwert 0, Standardabweichung 1, 3x3 Zufallstensor mit Normalverteilung:")
print(result1)
# Tensoren als Mittelwert und Standardabweichung verwenden
mean = torch.tensor([0.0, 1.0, 2.0])
std = torch.tensor([1.0, 2.0, 3.0])
result2 = torch.normal(mean, std)
print("nSampling-Ergebnis mit Tensorparametern:")
print(result2)
# Skalaren Mittelwert und Tensor-Standardabweichung verwenden
result3 = torch.normal(mean=0.0, std=torch.tensor([1.0, 2.0, 3.0]))
print("nSampling-Ergebnis mit skalarem Mittelwert und Tensor-Standardabweichung:")
print(result3)
Andere Erweiterungen