PyTorch torch.randn 函数
Pytorch torch 参考手册torch.randn 是 PyTorch 中用于创建来自标准正态分布（均值为 0，方差为 1 的高斯分布）的随机张量的函数。
这在深度学习中常用于初始化权重、生成随机输入等场景。
函数定义
torch.randn(*size, dtype=None, device=None, requires_grad=False)
参数:
*size(int): 张量的形状。dtype(torch.dtype, 可选): 数据类型，默认为torch.float32。device(torch.device, 可选): 设备。requires_grad(bool, 可选): 是否需要计算梯度。
返回值:
torch.Tensor: 返回包含随机数的张量。
使用示例
示例 1: 创建随机张量
实例
import torch
# 创建 3x4 的随机张量
x = torch.randn(3, 4)
print(x)
# 创建 3x4 的随机张量
x = torch.randn(3, 4)
print(x)
输出结果为：
tensor([[-0.2107, -0.6198, 0.2103, 0.4513],
[-0.0124, -1.1746, 0.1844, -0.6199],
[ 1.1729, -0.7669, 0.3034, -0.0808]])
示例 2: 神经网络权重初始化
实例
import torch
import torch.nn as nn
# 使用 randn 初始化神经网络权重
linear = nn.Linear(10, 5)
# 用随机值初始化权重
nn.init.randn_(linear.weight)
nn.init.zeros_(linear.bias)
print("权重形状:", linear.weight.shape)
print("权重均值:", linear.weight.mean().item())
print("权重标准差:", linear.weight.std().item())
import torch.nn as nn
# 使用 randn 初始化神经网络权重
linear = nn.Linear(10, 5)
# 用随机值初始化权重
nn.init.randn_(linear.weight)
nn.init.zeros_(linear.bias)
print("权重形状:", linear.weight.shape)
print("权重均值:", linear.weight.mean().item())
print("权重标准差:", linear.weight.std().item())