Функция randn_like

Функция randn_like создаёт тензор, форма которого совпадает с формой переданного тензора input, а элементы заполняются случайными числами, взятыми из стандартного нормального распределения. Первым параметром функция принимает тензор, по которому определяется форма, тип данных и устройство. Дополнительно можно явно указать тип данных dtype, устройство device и другие параметры.

Синтаксис

torch.randn_like(input, [dtype], [device], [requires_grad])

Пример

Создадим тензор и на его основе сгенерируем новый тензор со случайными значениями из стандартного нормального распределения:

import torch

t = torch.tensor([[1, 2, 3], [4, 5, 6]])
res = torch.randn_like(t)
print(res)

Результат выполнения кода (значения могут отличаться):

tensor([[-0.1123,  0.3145, -0.6789],
		[ 1.2345, -0.5678,  0.9012]])

Пример

Укажем тип данных для нового тензора явно:

import torch

t = torch.tensor([1, 2, 3, 4, 5])
res = torch.randn_like(t, dtype=torch.float)
print(res)

Результат выполнения кода:

tensor([ 0.1234, -0.5678, 0.9012, -0.3456, 0.7890])

Пример

Создадим тензор на GPU (если доступен) с включённым вычислением градиента:

import torch

t = torch.tensor([1., 2., 3.], device='cuda')
res = torch.randn_like(t, requires_grad=True)
print(res)

Результат выполнения кода (значения могут отличаться):

tensor([-0.1234, 0.5678, -0.9012], device='cuda:0', requires_grad=True)

Смотрите также

функцию rand_like,
которая создаёт тензор со случайными числами из равномерного распределения на основе формы другого тензора
функцию randn,
которая создаёт тензор со случайными числами из стандартного нормального распределения указанной формы
функцию rand,
которая создаёт тензор со случайными числами из равномерного распределения на интервале [0, 1)
функцию manual_seed,
которая устанавливает зерно для генерации случайных чисел