由于朋友问了一下torch.normal（）这个东西是什么？（具体如下）
然后我就花了点时间写了一篇这个博文，解释了一下；并且举了一些他的应用例子。
如果还是不会的话，那我也没办法了。

torch.normal(means=torch.arange(1, 11), std=torch.arange(1, 0, -0.1))
 
 1.5104
 1.6955
 2.4895
 4.9185
 4.9895
 6.9155
 7.3683
 8.1836
 8.7164
 9.8916
[torch.FloatTensor of size 10]

解释如下：

>>> torch.arange(1, 11)
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
 10
[torch.FloatTensor of size 10]

>>> torch.arange(1, 0, -0.1)
 
 1.0000
 0.9000
 0.8000
 0.7000
 0.6000
 0.5000
 0.4000
 0.3000
 0.2000
 0.1000
 0.0000
[torch.FloatTensor of size 11]
#是从均值为1，标准差为1的正态分布中随机生成的

官网中的实例生成的张量

1.5104#是从均值为1，标准差为1的正态分布中随机生成的
 1.6955#是从均值为2，标准差为0.9的正态分布中随机生成的
 2.4895
 4.9185
 4.9895
 6.9155
 7.3683
 8.1836
 8.7164
 9.8916
[torch.FloatTensor of size 10]

以此类推

举例子：

该函数原型如下：

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

该函数返回从单独的正态分布中提取的随机数的张量，该正态分布的均值是mean，标准差是std。

用法如下：我们从一个标准正态分布N～(0,1)，提取一个2x2的矩阵

torch.normal(mean=0.,std=1.,size=(2,2))

我们也可以让每一个值服从不同的正态分布，我们还是生成2x2的矩阵：

torch.normal(mean=torch.arange(4.),std=torch.arange(1.,0.6,-0.1)).reshape(2,2)