torch.randn

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

傳回一個張量，其中填充了從平均值為 0 且變異數為 1 的常態分佈（也稱為標準常態分佈）中提取的隨機數。

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

對於複數 dtype，張量是從具有零均值和單位變異數的複數常態分佈中獨立且相同分佈 (i.i.d.) 取樣而得，如下所示：

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

這等效於分別對 $(\operatorname{Re})$ 的實部和 $(\operatorname{Im})$ 的虛部進行取樣 $\text{out}_i$ 如下：

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

張量的形狀由變數引數 size 定義。

參數

size (int...) – 定義輸出張量形狀的整數序列。可以是變數數量的引數，也可以是像列表或元組這樣的集合。

關鍵字引數

• generator（生成器） (torch.Generator, optional) – 用於採樣的偽隨機數生成器

• out (Tensor, optional) – 輸出張量 (Tensor)。

• dtype (torch.dtype, optional) – 返回張量的期望資料型態。預設值：如果 None，則使用全域預設值（請參閱 torch.set_default_dtype()）。

• layout (torch.layout, optional) – 返回張量的期望記憶體佈局。預設值：torch.strided。

• device（裝置） (torch.device, optional) – 返回張量的期望裝置。預設值：如果 None，則使用預設張量類型的目前裝置（請參閱 torch.set_default_device()）。 device 對於 CPU 張量類型將為 CPU，對於 CUDA 張量類型將為目前的 CUDA 裝置。

• requires_grad (bool, optional) – 如果 autograd 應該記錄返回張量的操作。預設值：False。

• pin_memory (bool, optional) – 如果設定，返回的張量將分配在鎖頁記憶體中。僅適用於 CPU 張量。預設值：False。

範例

>>> 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]])