目录 1、numpy.random.uniform()2、np.random.randn()3、np.random.binomial() 1、numpy.random.uniform() numpy.random.uniform(low,high,size) 从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high. 参数介绍:

在用PyTorch做深度学习开发过程中，时常用到随机数生成功能，但经常记不住几个随机数生成函数的用法，现在正好有点时间，整理一下。 1. torch.rand() torch.rand(*size, *, generator=None, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False, p

input = torch.randn(20, 2, 11, 11, 32)m = torch.nn.AdaptiveAvgPool3d((1,1, 32))x=m(input)print(x.shape) 结果： 也就是不用管批次和通道数

1 torch.rand：构造均匀分布张量 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 参数： sizes：用于定义输出张量的形状 示例代码： import torch# 生成一个每个元素服从0-1均匀分布的4行3列

1 torch.rand：构造均匀分布张量 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 参数： sizes：用于定义输出张量的形状 示例代码： import torch# 生成一个每个元素服从0-1均匀分布的4行3列

torch.randn函数是PyTorch中用于生成具有正态分布（均值为0，标准差为1）的随机数的函数。它可以用于创建具有指定形状的张量，并且张量中的每个元素都是独立的随机数，遵循标准正态分布（均值为0，标准差为1），该函数的构成如下： torch.randn(*size, out=None, dtype=None, layout=torch.strided, device=None, requ