【Torch API】pytorch 中torch.randint()函数详解

最新推荐文章于 2025-02-16 23:44:45 发布

转载最新推荐文章于 2025-02-16 23:44:45 发布 · 2.8k 阅读

3 ·

CC 4.0 BY-SA版权

原文链接：https://blog.youkuaiyun.com/ZhangJingHuaJYO/article/details/123368554

文章标签：

#pytorch

部署运行你感兴趣的模型镜像

应用示例：

a = torch.randint(100,size(1,1000))

函数格式：

torch.randint(low=0, high, size, *, generator=None, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

应用示例中low取默认值0

函数作用：
返回一个填充了随机整数的张量，这些整数在low(inclusive) 和high(exclusive) 之间均匀生成。张量的shape由变量参数size定义

参数说明：
常用参数：
low ( int , optional ) – 要从分布中提取的最小整数。默认值：0。
high ( int ) – 高于要从分布中提取的最高整数。
size ( tuple ) – 定义输出张量形状的元组。

关键字参数：
generator ( torch.Generator, optional) – 用于采样的伪随机数生成器
out ( Tensor , optional ) – 输出张量。
dtype ( torch.dtype , optional) – 如果是None，这个函数返回一个带有 dtype 的张量torch.int64。
layout ( torch.layout, optional) – 返回张量的所需布局。默认值：torch.strided。
device ( torch.device, optional) – 返回张量的所需设备。默认值：如果None，则使用当前设备作为默认张量类型（请参阅torch.set_default_tensor_type()）。device将是 CPU 张量类型的 CPU 和 CUDA 张量类型的当前 CUDA 设备。
requires_grad ( bool , optional ) – 如果 autograd 应该在返回的张量上记录操作。默认值：False。

参考官网链接：
torch.randint — PyTorch 2.0 documentation

您可能感兴趣的与本文相关的镜像