torch.randn

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

返回一个张量，其中填充了来自均值为 0、方差为 1 的正态分布（也称为标准正态分布）的随机数。

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

对于复数数据类型，张量从零均值和单位方差的复数正态分布中独立同分布采样，表示为

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

这等价于分别采样 $\text{out}_i$ 的实部 $(\operatorname{Re})$ 和虚部 $(\operatorname{Im})$，如下所示：

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

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，也可以是列表或元组等集合。

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) – 返回张量的期望数据类型。默认值：如果为 None，则使用全局默认值（参见 torch.set_default_dtype()）。

• layout (torch.layout, optional) – 返回张量的期望布局。默认值： torch.strided。

• device (torch.device, optional) – 返回张量的期望设备。默认值：如果为 None，则使用默认张量类型的当前设备（参见 torch.set_default_device()）。对于 CPU 张量类型，device 将是 CPU；对于 CUDA 张量类型，将是当前的 CUDA 设备。

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

• pin_memory (bool, optional) – 如果设置，返回的张量将被分配到锁页内存中。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]])