本篇文章和大家了解一下Pytorch随机数生成常用方法有哪些。有一定的参考价值，有需要的朋友可以参考一下，希望对大家有所帮助。
一、torch.rand()：构造均匀分布张量的方法
torch.rand是用于生成均匀随机分布张量的函数，从区间[0,1)的均匀分布中随机抽取一个随机数生成一个张量，其调用方法如下所示：
torch.rand(sizes, out=None) ➡️ Tensor
其中，
sizes：用于定义输出张量的形状
简单的示例代码如下所示：
import torch # 生成一个每个元素服从0-1均匀分布的4行3列随机张量 tensor_1 = torch.rand(4, 3) print(tensor_1, tensor_1.type())
输出结果如下图所示：
二、torch.randn()：构造标准正态分布张量的方法
torch.randn()是用于生成正态随机分布张量的函数，从标准正态分布中随机抽取一个随机数生成一个张量，其调用方法如下所示：
torch.randn(sizes, out=None) ➡️ Tensor
其中，
sizes：用于定义输出张量的形状
简单的示例代码如下所示：
import torch # 生成一个每个元素均为标准正态分布的4行3列随机张量 tensor_2 = torch.randn(4, 3) print(tensor_2, tensor_1.type())
输出结果如下图所示：
三、torch.randint()：构造区间分布张量的方法
torch.randint()是用于生成任意区间分布张量的函数，从标准正态分布中随机抽取一个随机数生成一个张量，其调用方法如下所示：
torch.randint(low=0, high, sizes, out=None) ➡️ Tensor
其中，
low~high：随机数的区间范围
sizes：用于定义输出张量的形状
简单的示例代码如下所示：
# 生成一个每个元素均为[1-10]均匀分布的4行3列随机张量 tensor_3 = torch.randint(1, 10, (4, 3)) print(tensor_3, tensor_3.type())
输出结果如下图所示：
四、torch.randperm()：根据生成的随机序号对张量进行随机排序的方法
torch.randint()是用于对张量序号进行随机排序的函数，并根据生成的随机序列，其调用格式如下所示：
torch.randperm(n, out=None, dtype=torch.int64) ➡️ LongTensor
其中，
n：一个整数，可以理解为张量某个方向的维度
dtype：返回的数据类型（torch.int64）
简单的示例代码如下所示：
下面代码实现的功能为：将二维张量按照行进行随机排序。
# 生成一个0~3的随机整数排序
idx = torch.randperm(4)
# 生成一个4行3列的张量
tensor_4 = torch.Tensor(4, 3)
# 为了方便对比，首先输出tensor_4的结果
print("原始张量\n", tensor_4)
# 下面输出随机生成的行序号
print("\n生成的随机序号\n", idx)
# 下面的指令实现了在行的方向上，对tensor_4进行随机排序，并输出结果
print("\n随机排序后的张量\n", tensor_4[idx])
输出结果如下图所示：
以上就是Pytorch随机数生成常用方法有哪些的简略介绍，当然详细使用上面的不同还得要大家自己使用过才领会。如果想了解更多，欢迎关注本站行业资讯频道哦！
