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).

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

Форма тензора определяется переменным аргументом size.

Параметры

size (int...) – последовательность целых чисел, определяющая форму выходного тензора. Может быть переменным количеством аргументов или коллекцией, такой как список или кортеж.

Ключевые аргументы

• generator (torch.Generator, необязательно) – генератор псевдослучайных чисел для выборки
• out (Tensor, необязательно) – выходной тензор.
• dtype (torch.dtype, необязательно) – желаемый тип данных возвращаемого тензора. По умолчанию: если None, используется глобальный по умолчанию (см. torch.set_default_tensor_type()).
• layout (torch.layout, необязательно) – желаемая компоновка возвращаемого тензора. По умолчанию: torch.strided.
• device (torch.device, необязательно) – желаемое устройство возвращаемого тензора. По умолчанию: если None, используется текущее устройство для типа тензора по умолчанию (см. torch.set_default_tensor_type()). device будет CPU для тензоров на CPU и текущее CUDA-устройство для CUDA-тензоров.
• requires_grad (bool, необязательно) – Если autograd должен записывать операции над возвращаемым тензором. По умолчанию: False.
• pin_memory (bool, необязательно) – Если установлено, возвращаемый тензор будет выделен в закрепленной памяти. Работает только для CPU-тензоров. 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]])