normal¶

参数¶

• mean (float|Tensor，可选) - 输出 Tensor 的正态分布的平均值。如果 mean 是 float，则表示输出 Tensor 中所有元素的正态分布的平均值。如果 mean 是 Tensor (支持的数据类型为 float32、float64)，则表示输出 Tensor 中每个元素的正态分布的平均值。默认值为 0.0。

• std (float|Tensor，可选) - 输出 Tensor 的正态分布的标准差。如果 std 是 float，则表示输出 Tensor 中所有元素的正态分布的标准差。如果 std 是 Tensor (支持的数据类型为 float32、float64)，则表示输出 Tensor 中每个元素的正态分布的标准差。默认值为 0.0。

• shape (list|tuple|Tensor，可选) - 生成的随机 Tensor 的形状。如果 shape 是 list、tuple，则其中的元素可以是 int，或者是形状为[]且数据类型为 int32、int64 的 0-D Tensor。如果 shape 是 Tensor，则是数据类型为 int32、int64 的 1D Tensor。如果 mean 或者 std 是 Tensor，输出 Tensor 的形状和 mean 或者 std 相同(此时 shape 无效)。默认值为 None。

• name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回¶

Tensor：符合正态分布（均值为 mean，标准差为 std 的正态随机分布）的随机 Tensor。

示例代码¶

>>> import paddle

>>> out1 = paddle.normal(shape=[2, 3])
>>> print(out1)
Tensor(shape=[2, 3], dtype=float32, place=Place(cpu), stop_gradient=True,
[[-0.85107994, -0.85490644, -1.35941815],
 [-0.55500370,  0.20964541,  2.24193954]])

>>> mean_tensor = paddle.to_tensor([1.0, 2.0, 3.0])
>>> out2 = paddle.normal(mean=mean_tensor)
>>> print(out2)
Tensor(shape=[3], dtype=float32, place=Place(cpu), stop_gradient=True,
[1.05411839, 3.71514320, 3.42665267])

>>> std_tensor = paddle.to_tensor([1.0, 2.0, 3.0])
>>> out3 = paddle.normal(mean=mean_tensor, std=std_tensor)
>>> print(out3)
Tensor(shape=[3], dtype=float32, place=Place(cpu), stop_gradient=True,
[0.48646951, 0.00815189, 3.74022293])

使用本API的教程文档¶

• Pytorch 写法
• Pytorch 写法