【pytorch】normal函數的詳細使用和常見錯誤

normal函數的詳細使用和常見錯誤

1.normal(mean, std, *, generator=None, out=None)

• 返回值：一個張量，張量中每個元素是從相互獨立的正態分布中隨機生成的。每個正態分布的均值和標准差對應着mean中的一個值和std中的一個值
• 參數
  • mean（tensor）：是一個張量，存儲着輸出張量中每個元素正態分布的均值
  • std（tensor）：是一個張量，存儲着輸出張量中每個元素正態分布的標准差
  • 注意：張量mean和std的形狀不一定相同，但是元素個數必須相同。如果二者形狀不一致，返回張量的形狀和mean的一致
  • generator=None：用於采樣的偽隨機數發生器
  • out：輸出張量的形狀

注意：參數列表里的 * 星號，標志着位置參數的就此終結，之后的那些參數，都只能以關鍵字形式來指定

可能你到這里就信誓旦旦去調用這個函數了，但是實際結果是：

import torch
torch.normal(means=torch.arange(1,11),std=torch.arange(1,0,-0.1))

---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

~\AppData\Local\Temp/ipykernel_21072/3185136372.py in <module>
      1 import torch
----> 2 torch.normal(means=torch.arange(1,11),std=torch.arange(1,0,-0.1))


TypeError: normal() received an invalid combination of arguments - got (means=Tensor, std=Tensor, ), but expected one of:
 * (Tensor mean, Tensor std, *, torch.Generator generator, Tensor out)
 * (Tensor mean, float std, *, torch.Generator generator, Tensor out)
 * (float mean, Tensor std, *, torch.Generator generator, Tensor out)
 * (float mean, float std, tuple of ints size, *, torch.Generator generator, Tensor out, torch.dtype dtype, torch.layout layout, torch.device device, bool pin_memory, bool requires_grad)

從錯誤提示可以看到，參數不應該是means，而是使用mean，所以我們把means改成mean

然而 。。。

torch.normal(mean=torch.arange(1,11),std=torch.arange(1,0,-0.1))

---------------------------------------------------------------------------

RuntimeError                              Traceback (most recent call last)

~\AppData\Local\Temp/ipykernel_21072/2194249099.py in <module>
----> 1 torch.normal(mean=torch.arange(1,11),std=torch.arange(1,0,-0.1))


RuntimeError: "normal_kernel_cpu" not implemented for 'Long'

是不是很無奈，其實這是pytorch版本的問題，我們把arrange中的數字都改成浮點數就行了

torch.normal(mean=torch.arange(1.,11.),std=torch.arange(1.,0.,-0.1))
# ([ 0.9897, // 從均值為1，標准差為1的正太分布中隨機選取的
#   2.0167,  // 從均值為2，標准差為0.9的正太分布中隨機選取的
#   3.4270,  //以此類推
#   3.9813,  
#   5.7261,  
#   6.1477,  
#   7.3065,  
#   8.3148,
#   8.6105, 
#   10.0650])

tensor([ 0.9897,  2.0167,  3.4270,  3.9813,  5.7261,  6.1477,  7.3065,  8.3148,
         8.6105, 10.0650])

2.normal(mean, std, *, out=None)

• 參數：
  • mean(float):輸出張量中元素正態分布的均值，不過是輸出張量中的所有元素所共享的

其他部分和第一個函數一樣

torch.normal(2.,torch.arange(1.0,0,-0.1))

tensor([1.3067, 3.1319, 3.0808, 1.4510, 2.7221, 2.3876, 2.6084, 1.8700, 1.8914,
        2.0556])

3.其他兩個，大體一致

• (Tensor mean, float std, *, torch.Generator generator, Tensor out)：共享同一個標准差

• (float mean, float std, tuple of ints size, *, torch.Generator generator, Tensor out, torch.dtype dtype, torch.layout layout, torch.device device, bool pin_memory, bool requires_grad)：共享同一個均值和同一個標准差，並且需要額外指定輸出張量的形狀