【Day48】

DAY 48 随机函数与广播机制

知识点回顾：

1. 随机张量的生成：torch.randn函数
2. 卷积和池化的计算公式（可以不掌握，会自动计算的）
3. pytorch的广播机制：加法和乘法的广播机制

ps：numpy运算也有类似的广播机制，基本一致

作业：自己多借助ai举几个例子帮助自己理解即可

import torch
import torch.nn as nn

# 生成标量（0维张量）
scalar = torch.randn(())
print(f"标量: {scalar}, 形状: {scalar.shape}")

# 生成向量（1维张量）
vector = torch.randn(5)  # 长度为5的向量
print(f"向量: {vector}, 形状: {vector.shape}")

# 生成矩阵（2维张量）
matrix = torch.randn(3, 4)  # 3行4列的矩阵
print(f"矩阵：{matrix},矩阵形状: {matrix.shape}")

# 生成3维张量（常用于图像数据的通道、高度、宽度）
tensor_3d = torch.randn(3, 224, 224)  # 3通道，高224，宽224
print(f"3维张量形状: {tensor_3d.shape}")

# 生成4维张量（常用于批量图像数据：[batch, channel, height, width]）
tensor_4d = torch.randn(2, 3, 224, 224)  # 批量大小为2，3通道，高224，宽224
print(f"4维张量形状: {tensor_4d.shape}")

# torch.rand() 生成在 [0, 1) 范围内均匀分布的随机数
x = torch.rand(3, 2)  # 生成3x2的张量
print(f"均匀分布随机数: {x}, 形状: {x.shape}")

# torch.randint() 生成指定范围内的随机整数
x = torch.randint(low=0, high=10, size=(3,))  # 生成3个0到9之间的整数
print(f"随机整数: {x}, 形状: {x.shape}")

# torch.normal() 生成指定均值和标准差的正态分布随机数
mean = torch.tensor([0.0, 0.0])
std = torch.tensor([1.0, 2.0])
x = torch.normal(mean, std)  # 生成两个正态分布随机数
print(f"正态分布随机数: {x}, 形状: {x.shape}")

# 一维张量与二维张量相加
a = torch.tensor([[1, 2, 3], [4, 5, 6]])  # 形状: (2, 3)
b = torch.tensor([10, 20, 30])             # 形状: (3,)

# 广播后：b被扩展为[[10, 20, 30], [10, 20, 30]]
result = a + b  
print(result)

# 输出维度测试
# 生成输入张量 (批量大小, 通道数, 高度, 宽度)
input_tensor = torch.randn(1, 3, 32, 32)  # 例如CIFAR-10图像
print(f"输入尺寸: {input_tensor.shape}")

标量: -0.85379958152771, 形状: torch.Size([])
向量: tensor([0.5027, 1.4197, 1.0714, 0.0436, 2.6530]), 形状: torch.Size([5])
矩阵：tensor([[ 1.5927,  1.3624,  1.0813,  0.6308],
        [ 1.3860,  2.5055, -0.8512,  0.7769],
        [-3.2656,  1.2633, -0.8792, -1.8409]]),矩阵形状: torch.Size([3, 4])
3维张量形状: torch.Size([3, 224, 224])
4维张量形状: torch.Size([2, 3, 224, 224])
均匀分布随机数: tensor([[0.8363, 0.3158],
        [0.2642, 0.9451],
        [0.8439, 0.4370]]), 形状: torch.Size([3, 2])
随机整数: tensor([4, 9, 0]), 形状: torch.Size([3])
正态分布随机数: tensor([-0.6898,  2.8864]), 形状: torch.Size([2])
tensor([[11, 22, 33],
        [14, 25, 36]])
输入尺寸: torch.Size([1, 3, 32, 32])

浙大疏锦行