torch.randn

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

Возвращает тензор, заполненный случайными числами из нормального распределения со средним 0 и дисперсией 1 (также называемого стандартным нормальным распределением).

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

Для комплексных типов данных элементы тензора независимо и одинаково распределены согласно комплексному нормальному распределению с нулевым средним и единичной дисперсией:

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

Это эквивалентно отдельной выборке действительной $(\operatorname{Re})$ и мнимой $(\operatorname{Im})$ частей $\text{out}_i$ следующим образом:

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

Форма тензора задается аргументом переменной длины size.

Параметры:

size (int...) – последовательность целых чисел, задающая форму выходного тензора. Можно указать переменное число аргументов или коллекцию, например список или кортеж.

Именованные аргументы:

• generator (torch.Generator, необязательный) – генератор псевдослучайных чисел для выборки
• out (Tensor, optional) – выходной тензор.
• dtype (torch.dtype, необязательный) – требуемый тип данных возвращаемого тензора. По умолчанию: если None, используется глобальное значение по умолчанию (см. torch.set_default_dtype()).
• layout (torch.layout, необязательный) – требуемый формат возвращаемого тензора. По умолчанию: torch.strided.
• device (torch.device, необязательный) – требуемое устройство для возвращаемого тензора. По умолчанию: если None, используется текущее устройство для типа тензора по умолчанию (см. torch.set_default_device()). device будет соответствовать CPU для типов тензоров CPU и текущему устройству CUDA для типов тензоров CUDA.
• requires_grad (bool, optional) – следует ли autograd записывать операции над возвращаемым тензором. По умолчанию: False.
• pin_memory (bool, optional) – если задано, возвращаемый тензор будет выделен в закрепленной памяти. Работает только для тензоров CPU. По умолчанию: False.

Пример:

>>> 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]])