pytorch 生成随机数

在PyTorch中，可以使用torch.randn()函数生成服从标准正态分布的随机数。这个函数会返回一个张量，其形状由传入的参数决定。例如，如果想生成一个形状为(2, 3)的随机张量，可以使用以下代码：

import torch

random_tensor = torch.randn(2, 3)
print(random_tensor)

这将输出一个形状为(2, 3)的随机张量。如果你想生成一个服从其他分布的随机数，可以使用其他的随机数生成函数，如torch.rand()、torch.randint()等。

相关问题

pytorch生成随机数

在Pytorch中生成随机数可以使用torch.rand()函数。该函数会返回一个张量，张量中的每个元素都是在[0,1)之间的随机数。

示例代码：

import torch

# 生成一个形状为(2,3)的随机张量
x = torch.rand(2,3)
print(x)

输出：

tensor([[0.7918, 0.6094, 0.2744],
        [0.7663, 0.2186, 0.3341]])

除了torch.rand()函数，Pytorch还提供了其他生成随机数张量的函数，例如：

- torch.randn()：生成正态分布的随机数张量。
- torch.randint()：生成指定范围内的整数随机数张量。
- torch.randperm()：生成一个随机排列的整数序列。

pytorch固定随机数种子

要在PyTorch中固定随机数种子，可以按照以下步骤进行操作：

首先，导入相关的库：

import random
import numpy as np
import torch

然后，设置随机数种子：

seed = 42

# 设置Python随机数种子
random.seed(seed)

# 设置NumPy随机数种子
np.random.seed(seed)

# 设置PyTorch随机数种子
torch.manual_seed(seed)
torch.cuda.manual_seed(seed)
torch.cuda.manual_seed_all(seed)

# 设置CUDNN随机数种子
torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False

通过以上步骤，你就可以在PyTorch中固定随机数种子。这将确保每次运行代码时生成的随机数都是相同的。