torch.randn

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

返回一个填充了来自均值为 0 和方差为 1（也称为标准正态分布）的正态分布的随机数的张量。

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

对于复数 dtype，张量是从均值为零且单位方差的复数正态分布中独立同分布采样的，如下所示

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

这等效于分别对 $(\operatorname{Re})$ 实部和 $(\operatorname{Im})$ 虚部进行采样 $\text{out}_i$ 作为

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

张量的形状由可变参数 size 定义。

参数

size (int...) – 定义输出张量形状的整数序列。可以是可变数量的参数或类似列表或元组的集合。

关键字参数

• generator (torch.Generator, optional) – 用于采样的伪随机数生成器

• out (Tensor, optional) – 输出张量。

• dtype (torch.dtype, optional) – 返回张量的所需数据类型。默认值：如果 None，则使用全局默认值（请参阅 torch.set_default_dtype()）。

• layout (torch.layout, optional) – 返回张量的所需布局。默认值：torch.strided。

• device (torch.device, optional) – 返回张量的所需设备。默认值：如果 None，则对默认张量类型使用当前设备（请参阅 torch.set_default_device()）。 device 对于 CPU 张量类型将为 CPU，对于 CUDA 张量类型将为当前 CUDA 设备。

• requires_grad (bool, optional) – 如果 autograd 应该记录返回张量的操作。默认值：False。

• pin_memory (bool, optional) – 如果设置，返回的张量将分配在 pinned 内存中。仅适用于 CPU 张量。默认值：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]])