Pytorch的torch.randint()详解
torch.randint 用于生成指定范围内的随机整数张量，是常用的张量创建方法之一。它特别适用于需要生成离散随机数的时候，如初始化张量、创建随机索引等。
方法签名
torch.randint(low=0, high, size, out=None, dtype=torch.int64, layout=torch.strided, device=None, requires_grad=False)
参数详解
- low (int, optional)：生成随机整数的下界（包含），默认为0。如果不设置，则默认最低值为0。
- high (int)：生成随机整数的上界（不包含）。
- size (tuple of ints)：新生成的张量的形状。
- out (Tensor, optional)：输出张量，如果指定，结果将被存储到该张量中。
- dtype (torch.dtype, optional)：输出张量的数据类型，默认是
torch.int64。 - layout (torch.layout, optional)：张量的布局，默认是
torch.strided。 - device (torch.device, optional)：张量所在的设备（CPU或CUDA），默认情况下根据运行环境自动选择。
- requires_grad (bool, optional)：如果设置为True，则创建的张量会记录其计算图，用于自动求导，默认是False。
返回值
返回一个包含在给定范围内随机整数的张量，其形状由size参数指定。
例子
基本用法
import torch # 生成一个形状为 [5] 的张量，包含5个在 0 到 10 之间的随机整数 tensor1 = torch.randint(0, 10, (5,)) print(tensor1)
指定形状的张量
import torch # 生成一个形状为 [2, 3] 的张量，包含在 -5 到 5 之间的随机整数 tensor2 = torch.randint(-5, 5, (2, 3)) print(tensor2)
指定设备的张量
import torch # 生成一个形状为 [2, 3] 的张量，包含在 0 到 10 之间的随机整数，并指定生成的张量在CUDA设备上 tensor3 = torch.randint(0, 10, (2, 3), device='cuda') print(tensor3) print(tensor3.device)
生成requires_grad的张量
import torch # 生成一个形状为 [2, 2] 的张量，包含在 0 到 5 之间的随机整数，并且该张量记录计算图以用于自动求导 tensor4 = torch.randint(0, 5, (2, 2), requires_grad=True) print(tensor4) print(tensor4.requires_grad)
使用out参数
import torch # 预先定义一个张量 out_tensor = torch.empty(3, 3) # 使用 randint 方法将随机整数填入预先定义的张量 torch.randint(0, 10, (3, 3), out=out_tensor) print(out_tensor)
注意事项
high参数必须指定，且必须大于low参数。- 如需生成在最小值和最大值之间的张量，请确保
high和low的值设置正确。 - 如果需要在某一特定设备（如GPU）上创建张量，可以通过设置
device参数来实现。 - 当需要记录计算图以便于梯度计算时，可以设置
requires_grad=True。
torch.randint 是生成离散均匀分布随机数张量的常用工具，它的灵活性和易用性使得这个方法在许多场景中都非常实用。
关注公众号：程序新视界，一个让你软实力、硬技术同步提升的平台
除非注明，否则均为程序新视界原创文章，转载必须以链接形式标明本文链接
