torch张量中随机取2个数

可以使用torch.randperm(n)函数从0到n-1中随机选择n个不同的整数，并取前两个作为索引，然后从张量中取出对应位置的值。示例如下：

import torch

x = torch.tensor([1, 2, 3, 4, 5])
indices = torch.randperm(len(x))[:2]
print(x[indices])

输出结果可能为：

tensor([2, 4])

相关问题

随机生成torch张量

要随机生成torch张量，可以使用torch.randn()函数生成服从标准正态分布的随机数张量。该函数可以指定生成张量的形状，例如torch.randn(2,3)会生成一个形状为(2,3)的张量，其中的元素服从标准正态分布。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [pytorch张量 张量的生成](https://blog.csdn.net/hhhhxxn/article/details/110006703)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *3* [PyTorch-1.10(三)--torch张量随机生成、采样](https://blog.csdn.net/weixin_43145427/article/details/124683835)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

torch生成随机张量

在PyTorch中，你可以使用以下两种方式来生成随机张量：

1. 使用`torch.rand()`[^2]函数:

   import torch
   random_tensor = torch.rand(2, 3) # 创建一个2行3列的张量，元素在[0, 1)之间均匀分布
   print(random_tensor)

2. 使用`torch.randn()`:

   random.randn_()函数会生成一个具有正态分布（平均值0，标准差1）的随机张量。例如：
   data = torch.randn(2, 3) # 创建2行3列张量，元素服从标准正态分布
   print(data)

如果你想指定分布的均值和方差，可以传递额外参数给`torch.randn()`，如`torch.randn(2, 3, mean=0.0, std=1.0)`。

3. 控制随机数生成的种子:

   # 设置随机数种子以获得可重复的结果
   torch.random.seed(100) # 或者使用torch.random.manual_seed()
   print('随机数种子:', torch.random.get_rng_state().seed)

注意，`initial_seed()`返回的是一个表示当前随机状态的种子，而`get_rng_state().seed`则是实际应用后的随机数种子。