如何在pytorch中创建正态分布

Question

我想在pytorch中创建一个随机正态分布,mean和std分别为4,0.5.我找不到它的API.有谁知道？非常感谢.

Answer 1

一个简单的选择是使用randn基本模块中的函数。它从标准高斯分布中创建一个随机样本。要更改平均值和标准偏差，您只需使用加法和乘法。下面我根据您要求的分布创建了大小为 5 的样本。

import torch
torch.randn(5) * 0.5 + 4 # tensor([4.1029, 4.5351, 2.8797, 3.1883, 4.3868])

Answer 2

对于标准正态分布（即mean=0和variance=1），您可以使用torch.randn()

对于custom mean和std，您可以使用torch.distributions.Normal()

初始化签名：
tdist.Normal（loc，scale，validate_args = None）

Docstring：
创建由loc和参数化的正态分布（也称为高斯分布） scale。

Args：
loc（浮点或张量）：分布的平均值（通常称为mu）
刻度（float或Tensor）：分布的标准偏差（通常称为sigma）

这是一个例子：

In [32]: import torch.distributions as tdist

In [33]: n = tdist.Normal(torch.tensor([4.0]), torch.tensor([0.5]))

In [34]: n.sample((2,))
Out[34]: 
tensor([[ 3.6577],
        [ 4.7001]])

Answer 3

You can easily use torch.Tensor.normal_() method.

Let's create a matrix Z (a 1d tensor) of dimension 1 × 5, filled with random elements samples from the normal distribution parameterized by mean = 4 and std = 0.5.

torch.empty(5).normal_(mean=4,std=0.5)

Result:

tensor([4.1450, 4.0104, 4.0228, 4.4689, 3.7810])

Answer 4

您可以按照文档中的描述创建您的发行版。在您的情况下，这应该是正确的调用，包括从创建的分布中采样：

from torch.distributions import normal

m = normal.Normal(4.0, 0.5)
s = m.sample()

如果您想获得特定大小/形状的样本，您可以将其传递给sample()，例如

s = m.sample([5, 5])

对于 5x5 张量。