torch.randn

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

返回一个填充有均值为 0、方差为 1 的随机数的正态分布张量（也称为标准正态分布）。

$$\text{out}_{i} \sim \mathcal{N}(0, 1)$$

对于复数数据类型，张量是从具有零均值和单位方差的复正态分布中独立同分布抽取的

$$\text{out}_{i} \sim \mathcal{CN}(0, 1)$$

这相当于分别采样实部 $(\operatorname{Re})$ 和虚部 $(\operatorname{Im})$ 的 $\text{out}_i$

$$\operatorname{Re}(\text{out}_{i}) \sim \mathcal{N}(0, \frac{1}{2}),\quad \operatorname{Im}(\text{out}_{i}) \sim \mathcal{N}(0, \frac{1}{2})$$

张量的形状由变量参数 size 定义。

参数:

size (int...) – 定义输出张量形状的一组整数。可以是可变数量的参数或列表或元组等集合。

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。

• dtype ( torch.dtype ，可选) – 返回张量的期望数据类型。默认：如果 None ，则使用全局默认值（见 torch.set_default_dtype() ）。

• layout ( torch.layout ，可选) – 返回 Tensor 的期望布局。默认： torch.strided 。

• device ( torch.device ，可选) – 返回张量的期望设备。默认：如果 None ，则使用当前设备用于默认张量类型（见 torch.set_default_device() ）。 device 将是 CPU 张量类型的 CPU 和 CUDA 张量类型的当前 CUDA 设备。

• requires_grad (bool，可选) – 如果 autograd 应记录对返回张量的操作。默认： False 。

• pin_memory (bool，可选) – 如果设置，返回的张量将在固定内存中分配。仅适用于 CPU 张量。默认： False 。

示例：

>>> torch.randn(4)
tensor([-2.1436,  0.9966,  2.3426, -0.6366])
>>> torch.randn(2, 3)
tensor([[ 1.5954,  2.8929, -1.0923],
        [ 1.1719, -0.4709, -0.1996]])