PyTorch torch.rand Funktion
PyTorch torch Referenzhandbuch
torch.randEs ist eine Funktion in PyTorch, mit der zufällige Tensoren aus einer Gleichverteilung [0, 1) erstellt werden.
Dies wird im Deep Learning häufig für Szenarien wie Initialisierung, das Erzeugen zufälliger Masken und so weiter verwendet.
Funktionsdefinition
torch.rand(*size, dtype=None, device=None, requires_grad=False)
Parameters:
*size(int): Form des Tensors.dtype(torch.dtype, optional): Datentyp.device(torch.device, optional): Gerät.requires_grad(bool, optional): Ob die Gradientenberechnung erforderlich ist.
Rückgabewert:
torch.Tensor: Gibt einen Tensor zurück, der Zufallszahlen im Bereich [0, 1) enthält.
Anwendungsbeispiele
Beispiel 1: Einen zufälligen Tensor erstellen
Beispiel
import torch
# Einen zufälligen 3x4-Tensor erstellen
x = torch.rand(3, 4)
print(x)
print("Bereich: [{:.4f}, {:.4f})".format(x.min().item(), x.max().item()))
# Einen zufälligen 3x4-Tensor erstellen
x = torch.rand(3, 4)
print(x)
print("Bereich: [{:.4f}, {:.4f})".format(x.min().item(), x.max().item()))
Das Ausgabeergebnis ist:
tensor([[0.6272, 0.1802, 0.8336, 0.3900],
[0.2188, 0.6593, 0.3598, 0.4021],
[0.9247, 0.0144, 0.2587, 0.6634]])
范围: [0.0144, 0.9247)
Beispiel 2: Eine zufällige Maske erstellen
Beispiel
import torch
# Erstelle eine zufällige Maske mit 50% Wahrscheinlichkeit
mask = torch.rand(10) > 0.5
print("Maske:", mask)
print("Anzahl True:", mask.sum().item())
# Erstelle eine zufällige Maske mit 50% Wahrscheinlichkeit
mask = torch.rand(10) > 0.5
print("Maske:", mask)
print("Anzahl True:", mask.sum().item())
Andere Erweiterungen