当前位置：首页 > news >正文

正规的家居行业网站开发百度经验

news 2026/4/8 3:05:02

正规的家居行业网站开发,百度经验,如何做类似优酷的视频网站,厦门建设局叶文语简历在 torch.normal() 函数中，size 参数用于指定生成张量的形状。torch.normal() 函数用于从正态（高斯）分布中生成随机数。函数的基本形式是： torch.normal(mean, std, size)mean：均值，可以是标量或张量。如果…

在 torch.normal() 函数中，size 参数用于指定生成张量的形状。torch.normal() 函数用于从正态（高斯）分布中生成随机数。函数的基本形式是：

torch.normal(mean, std, size)

mean：均值，可以是标量或张量。如果是标量，表示生成的所有元素的均值；如果是张量，表示对应位置元素的均值。
std：标准差，可以是标量或张量。如果是标量，表示生成的所有元素的标准差；如果是张量，表示对应位置元素的标准差。
size：生成张量的形状。

以下是一些示例，展示了如何使用 size 参数生成不同形状的张量：

示例代码

import torch# 生成一个形状为(3,)的一维张量
mean = 0.0
std = 1.0
size = (3,)
tensor_1d = torch.normal(mean, std, size)
print("1D Tensor:", tensor_1d)# 生成一个形状为(2, 3)的二维张量
size = (2, 3)
tensor_2d = torch.normal(mean, std, size)
print("2D Tensor:", tensor_2d)# 生成一个形状为(2, 3, 4)的三维张量
size = (2, 3, 4)
tensor_3d = torch.normal(mean, std, size)
print("3D Tensor:", tensor_3d)# 生成一个形状为(3, 3)的二维张量，均值和标准差为张量
mean_tensor = torch.tensor([[0.0, 1.0, 2.0],[0.0, 1.0, 2.0],[0.0, 1.0, 2.0]])
std_tensor = torch.tensor([[1.0, 1.0, 1.0],[1.0, 1.0, 1.0],[1.0, 1.0, 1.0]])
size = (3, 3)
tensor_2d_with_tensor_mean_std = torch.normal(mean_tensor, std_tensor)
print("2D Tensor with tensor mean and std:", tensor_2d_with_tensor_mean_std)

输出示例

1D Tensor: tensor([ 0.0343, -0.4731,  1.1844])
2D Tensor: tensor([[ 0.1239,  1.1049,  0.4560],[-0.3104,  0.6228,  0.2698]])
3D Tensor: tensor([[[ 0.0793, -0.2101,  0.7634,  0.1921],[-0.1220, -0.9352, -1.3496, -0.6405],[ 0.3821,  0.2745,  0.1925,  0.4075]],[[-0.8833,  1.1430,  0.3650, -0.7995],[ 0.1403, -0.2226, -0.2483,  0.5914],[-0.3337,  0.3735, -0.0515, -1.1255]]])
2D Tensor with tensor mean and std: tensor([[-0.2971,  1.5936,  2.3287],[ 1.0322,  1.3414,  1.7221],[-0.6370,  1.5202,  1.3766]])