torch.randn

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

返回一个填充了从均值为0且方差为1的正态分布（也称为标准正态分布）中随机数的张量。

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

对于复杂的数据类型，张量是从一个复正态分布中独立同分布采样的，均值为零，方差为单位方差，如下所示：

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

这相当于分别对实部 $(\operatorname{Re})$ 和虚部 $(\operatorname{Im})$ 部分进行采样，如 $\text{out}_i$ 所示。

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

张量的形状由变量参数 size 定义。

Parameters

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像列表或元组这样的集合。

Keyword Arguments

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

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

• 设备 (torch.device, 可选) – 返回张量所需的设备。 默认值：如果 None，则使用默认张量类型的当前设备 （参见 torch.set_default_device()）。device 将是 CPU 用于 CPU 张量类型，以及当前 CUDA 设备用于 CUDA 张量类型。

• requires_grad (布尔值, 可选) – 如果 autograd 应该记录对返回张量的操作。默认值：False。

• pin_memory (bool, 可选) – 如果设置，返回的张量将分配在固定内存中。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]])