torch.normal()函数详解

---

前言

这几天学习pytorch过程中，碰到一个torch.normal（）函数，本来以为很简单，不就是一个生成正态分布的函数吗？但是一看官方文档，整个人都不好了，官方文档里面均值和标准差都能输入的是张量，这和我想的不一样，然后我就看了半天官方文档，然后我就骂人了，写的什么屁东西，一句话都没说清楚。后来我有去博客上搜索别人是怎么解释的，好家伙，清一色的不说人话。至此我觉得我自己有必要写一篇博客记录一下这个函数，避免下次在碰到又是全网找资料，还都是一些不说人话的。

一、torch.normal()参数解释

torch.normal() 函数用于生成服从正态分布（高斯分布）的随机数张量。其语法如下：

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

参数说明：

• mean：表示正态分布的均值。可以是一个标量，也可以是一个张量，如果是张量，其形状必须与 std 相容。如果 mean 是一个张量，那么函数将生成与 mean 相同形状的随机数张量，并以 mean 中的值作为各个维度的均值。
• std：表示正态分布的标准差。可以是一个标量，也可以是一个张量，如果是张量，其形状必须与 mean 相容。如果 std 是一个张量，那么函数将生成与 std 相同形状的随机数张量，并以 std 中的值作为各个维度的标准差。
• generator：（可选）用于生成随机数的生成器。如果不指定，将使用默认的生成器。
• out：（可选）输出张量，用于保存结果。如果不指定，将会创建一个新的张量来保存结果。

返回值：

• 返回一个张量，其形状与 mean 和 std 相同，其中的元素服从均值为 mean，标准差为 std 的正态分布。

这是 torch.normal() 函数的基本用法。你可以根据具体需求调整 mean 和 std 的值来生成不同形状、不同均值和标准差的正态分布随机数。
相信看完过后还是不明白在说什么，放心举几个例子你肯定就能明白了。

1 示例一：均值、标准差都输入标量

y = torch.normal(0,1,size=(2,2))
print(y)

输出：
解释：<