均匀分布：torch.rand(*sizes,out=None)

返回一个张量，是从区间 [0, 1) 的均匀分布中抽取的一组随机数。张量的形状由参数sizes定义。
参数：

• sizes：整数序列，定义了张量的形状。
• out：结果张量。（目前没找到使用该参数的例子）

import torch
a = torch.rand((2,3))
print(a)

#输出
tensor([[0.7065, 0.9760, 0.3413],
        [0.5489, 0.6793, 0.5746]])

标准正态分布：torch.randn(*sizes,out=None)

返回一个张量，是从标准正态分布（均值为0，方差为1）中抽取的一组随机数。张量的形状由参数sizes定义。
参数：

• sizes：整数序列，定义了张量的形状。
• out：结果张量。（目前没找到使用该参数的例子）

import torch
a = torch.rand((2,3))
print(a)

#输出
tensor([[0.1261, 0.6350, 1.0340],
        [2.1402, 0.2917, 0.3696]])

离散正态分布：torch.normal(means,std,out=None)

返回一个张量，是从指定均值means和标准差std的离散正态分布中抽取的一组随机数。

标准差std是一个张量，包含每个输出元素相关的正态分布标准差。
参数：

• means：均值
• std：标准差（必须为浮点型）
• out：结果张量

import torch
a = torch.normal(mean = 1,std = torch.arange(1.0,6.0).float())
print(a)
std = torch.arange(1,6)
print(std)

#输出
tensor([1.0243, 2.7108, 4.2406, 0.8341, 4.0412])
tensor([1, 2, 3, 4, 5])

线性间距向量：torch.linspace(start,end,steps=100,out=None)

返回一个1维张量，包含在区间start和end上均匀间隔的step个点。

输出张量的长度由steps决定。
参数：

• starts：区间的起始点（包含）
• end：区间的终点（包含）
• steps：生成点的个数
• out：结果张量

import torch
a = torch.linspace(1,10,steps=8)
print(a)

#输出
tensor([ 1.0000,  2.2857,  3.5714,  4.8571,  6.1429,  7.4286,  8.7143, 10.0000])```