torch.rand和torch.randn的区别

torch.rand和torch.randn都是PyTorch中用于生成随机张量的函数，但它们生成随机数的方式有所不同。torch.rand生成在区间[0,1)内均匀分布的随机数，而torch.randn生成从标准正态分布（均值为0，标准差为1）中采样的随机数。因此，torch.rand生成的随机数范围在[0,1)内，而torch.randn生成的随机数可以在负无穷到正无穷之间。需要注意的是，torch.randn生成的随机数可以是小数，而不仅仅是整数。下面是代码示例：

import torch

# 生成在区间[0,1)内均匀分布的随机数
random_tensor1 = torch.rand((2, 3))
print(random_tensor1)

# 生成从标准正态分布中采样的随机数
random_tensor2 = torch.randn((2, 3))
print(random_tensor2)

相关问题

torch.rand与torch.randn

torch.rand和torch.randn都是PyTorch中用于生成随机数的函数。

torch.rand函数会生成一个指定大小的张量，张量中的元素是在[0, 1)范围内均匀分布的随机数。例如，torch.rand(2, 3)会生成一个2行3列的张量，其中的元素是在[0, 1)范围内的随机数。[3]

torch.randn函数会生成一个指定大小的张量，张量中的元素是从均值为0，标准差为1的正态分布中随机采样得到的。例如，torch.randn(2, 3)会生成一个2行3列的张量，其中的元素是从均值为0，标准差为1的正态分布中随机采样得到的随机数。[2]

需要注意的是，torch.rand和torch.randn生成的随机数是在每次运行时都会改变的，因此每次生成的结果可能不同。

torch.rand与torch.randn有何区别

torch.rand()和torch.randn()是PyTorch中用于生成张量的两个函数，它们之间的主要区别在于生成张量元素的方式不同[^1]。

1. torch.rand()函数生成的张量的元素是从[0, 1)的均匀分布中随机采样得到的。具体来说，它会生成一个指定大小的张量，并将其中的元素初始化为在[0, 1)范围内的随机值。

2. torch.randn()函数生成的张量的元素是从均值为0，方差为1的标准正态分布中随机采样得到的。具体来说，它会生成一个指定大小的张量，并将其中的元素初始化为从标准正态分布中采样得到的随机值。

下面是两个函数的示例代码：

1. 使用torch.rand()生成张量：

import torch

# 生成一个大小为(2, 3)的张量，元素从[0, 1)的均匀分布中随机采样得到
x = torch.rand(2, 3)
print(x)

2. 使用torch.randn()生成张量：

import torch

# 生成一个大小为(2, 3)的张量，元素从均值为0，方差为1的标准正态分布中随机采样得到
x = torch.randn(2, 3)
print(x)