pytorch基本运算-torch.normal()函数生成的随机数据添加噪声。

PyTorch基本运算：使用torch.normal()生成随机数据并添加噪声

在深度学习和数据科学中，生成随机数据并添加噪声是一项常见任务。PyTorch提供了torch.normal()函数，用于从正态分布中生成随机数。以下将详细介绍如何使用torch.normal()生成随机数据，并为其添加噪声。

torch.normal()函数的基本用法

torch.normal()函数用于从均值和标准差指定的正态分布中生成随机数。其基本语法如下：

torch.normal(mean, std, size=None)

其中：

• mean：均值，可以是标量或张量。
• std：标准差，可以是标量或张量。
• size：输出张量的形状。

以下是一个简单示例，生成一个形状为(3, 3)的随机张量，均值为0，标准差为1：

import torch

# 生成3x3的随机张量
random_data = torch.normal(mean=0, std=1, size=(3, 3))
print(random_data)

为随机数据添加噪声

在实际应用中，常常需要为数据添加噪声以模拟真实场景。噪声可以是高斯噪声、均匀噪声或其他类型的噪声。以下介绍几种常见的噪声添加方法。

添加高斯噪声

高斯噪声是一种常见的噪声类型，其均值为0，标准差由用户指定。以下代码展示了如何为随机数据添加高斯噪声：

# 生成原始数据
original_data = torch.normal(mean=0, std=1, si