torch.normal

torch.normal(mean, std, *, generator=None, out=None) → Tensor

返回一个张量，该张量是从给定均值和标准差的独立正态分布中抽取的随机数。

mean 是一个张量，包含每个输出元素正态分布的均值

std 是一个张量，包含每个输出元素正态分布的标准差

mean 和 std 的形状不需要匹配，但每个张量中的元素总数需要相同。

注意

当形状不匹配时，使用 mean 的形状作为返回输出张量的形状

注意

当 std 是一个 CUDA 张量时，此函数将设备与 CPU 同步。

参数:

• mean (张量) – 每个元素的均值张量

• std (张量) – 每个元素的标准差张量

关键字参数:

• 生成器（ torch.Generator ，可选）- 用于采样的伪随机数生成器

• 输出（张量，可选）- 输出张量。

示例：

>>> torch.normal(mean=torch.arange(1., 11.), std=torch.arange(1, 0, -0.1))
tensor([  1.0425,   3.5672,   2.7969,   4.2925,   4.7229,   6.2134,
          8.0505,   8.1408,   9.0563,  10.0566])

torch.normal(mean=0.0, std, *, out=None) → 张量

与上面的功能类似，但所有绘制元素共享相同的手段。

参数:

• mean（float，可选）- 所有分布的均值

• std（Tensor）- 每个元素的标准差张量

关键字参数:

输出（张量，可选）- 输出张量。

示例：

>>> torch.normal(mean=0.5, std=torch.arange(1., 6.))
tensor([-1.2793, -1.0732, -2.0687,  5.1177, -1.2303])

torch.normal(mean, std=1.0, *, out=None) → Tensor

与上面的功能类似，但标准差是所有绘制元素共享的。

参数:

• mean（张量）- 每个元素的均值张量

• std（浮点数，可选）- 所有分布的标准差

关键字参数:

out（张量，可选）- 输出张量

示例：

>>> torch.normal(mean=torch.arange(1., 6.))
tensor([ 1.1552,  2.6148,  2.6535,  5.8318,  4.2361])

torch.normal(mean, std, size, *, out=None) → Tensor

与上述函数类似，但所有抽取元素的平均值和标准差是共享的。结果张量的尺寸由 size 指定。

参数:

• mean (float) – 所有分布的平均值

• std (float) – 所有分布的标准差

• 大小（整数...）- 定义输出张量形状的一组整数。

关键字参数:

输出（张量，可选）- 输出张量。

示例：

>>> torch.normal(2, 3, size=(1, 4))
tensor([[-1.3987, -1.9544,  3.6048,  0.7909]])