以下torch 方法默认返回的是 CPU torch.Generator

除了以下常用 torch方法以外， 还可以通过 torch.from_numpy(array) 将 Numpy的数组转换为torch张量；

1、torch.rand()

torch.rand(*size		, * , out=None, dtype=None, layout=torch.strided, 
			device=None	, 	  requires_grad=False  ) → Tensor

返回区间 [ 0，1) 上均匀分布的随机数填充的张量。
张量的形状由变量的参数大小定义。

Parameters:

• size (int…)
  定义输出张量形状的整数序列；可以是可变数量的参数，也可以是像List或tuple这样的集合。

Example:

>>> torch.rand(4)
tensor([ 0.5204,  0.2503,  0.3525,  0.5673])
>>> torch.rand(2, 3)
tensor([[ 0.8237,  0.5781,  0.6879],
        [ 0.3816,  0.7249,  0.0998]])

2、torch.randint()

torch.randint(low=0, high, size, *, generator=None, out=None, dtype=None, 
			  layout=torch.strided, device=None	  , requires_grad=False	) → Tensor

返回在 [ low , high) 之间均匀生成的随机整数填充的张量。
张量的形状由变量的参数大小来定义。

Parameters：

• low (int, optional)
  从分布中提取的下限整数（可以取到），Default: 0.

• high (int)
  从分布中提取的上限整数（取不到）。

• size (tuple)
  定义输出张量形状的元组。

Example:

>>> torch.randint(3, 5, (3,))
tensor([4, 3, 4])

>>> torch.randint(10, (2, 2))
tensor([[0, 2],
        [5, 5]])

>>> torch.randint(3, 10, (2, 2))
tensor([[4, 5],
        [6, 7]])

3、torch.randint_like()

torch.randint_like( input, low=0, high, *, dtype=None, layout=torch.strided, device=None, 
				 	requires_grad=False, memory_format=torch.preserve_format) → Tensor

返回与张量输入相同形状的张量，该张量由在 [low , high) 之间均匀生成的随机整数填充。

Parameters：

• input (Tensor)
  输入张量的大小将决定输出张量的大小。

• low (int, optional)
  从分布中提取的下限整数。默认值：0。

• high (int)
  要从分布中提取的上限整数。

4、torch.randn()

torch.randn(*size		, *, out=None, dtype=None, layout=torch.strided, 
			 device=None, requires_grad=False) → Tensor

从均值为0和方差为1的正态分布中，返回一个由随机数填充的张量(也称为标准正态分布)。

$$ou{t}_i\sim N(0,1)$$

Parameters：

• size (int…)
  定义输出张量形状的整数序列。可以是可变数量的参数，也可以是像List或tuple的集合。

Example:

>>> torch.randn(4)
tensor([-2.1436,  0.9966,  2.3426, -0.6366])
>>> torch.randn(2, 3)
tensor([[ 1.5954,  2.8929, -1.0923],
        [ 1.1719, -0.4709, -0.1996]])

5、torch.randn_like

torch.randn_like(input	, *, dtype=None, layout=None, device=None, 
				 requires_grad=False, memory_format=torch.preserve_format) → Tensor

返回与输入相同大小的张量，该张量由均值为0和方差为1的正态分布中的随机数填充。

torch.randn_like(input) 
# 等效于
torch.randn(input.size(), dtype=input.dtype, layout=input.layout, device=input.device).

Parameters：

• input (Tensor)
  输入张量的大小将决定输出张量的大小。

6、torch.randperm()

torch.randperm(n, *, out=None, dtype=torch.int64, layout=torch.strided, 
			   device=None	 , requires_grad=False) → LongTensor

返回整数从0到n-1的随机排列。

Parameters：

• n (int)
  上限整数(不包含)

Example:

>>> torch.randperm(4)
tensor([2, 1, 0, 3])

6、torch.poisson()

torch.poisson(input *, generator=None) → Tensor

返回与输入相同大小的张量，从泊松分布中取样的每个元素都具有相应元素在输入中给定的速率参数，即，

$$ou{t}_i\sim Poisson(inpu{t}_i)$$

Parameters：

• input (Tensor)
  包含泊松分布速率的输入张量

Example:

>>> rates = torch.rand(4, 4) * 5  # rate parameter between 0 and 5
>>> torch.poisson(rates)
tensor([[9., 1., 3., 5.],
        [8., 6., 6., 0.],
        [0., 4., 5., 3.],
        [2., 1., 4., 2.]])