如何在 PyTorch 中获得 [r1,r2] 范围内的均匀分布？

Question

我想要一个二维 torch.Tensor，大小 [a,b] 填充了 PyTorch 中均匀分布（范围 [r1,r2]）的值。

Answer 1

如果U是在[0, 1]上均匀分布的随机变量，那么(r1 - r2) * U + r2在[r1,r2]上均匀分布。

因此，您只需要：

(r1 - r2) * torch.rand(a, b) + r2

或者，您可以简单地使用：

torch.FloatTensor(a, b).uniform_(r1, r2)

为了充分解释这个公式，让我们看一些具体的数字：

r1 = 2 # Create uniform random numbers in half-open interval [2.0, 5.0)
r2 = 5

a = 1  # Create tensor shape 1 x 7
b = 7

我们可以将表达式(r1 - r2) * torch.rand(a, b) + r2分解如下：

torch.rand(a, b) 生成一个 a x b (1x7) 张量，其数字在 [0.0, 1.0] 范围内均匀分布。

x = torch.rand(a, b)
print(x)
# tensor([[0.5671, 0.9814, 0.8324, 0.0241, 0.2072, 0.6192, 0.4704]])

(r1 - r2) * torch.rand(a, b) 生成分布在统一范围 [0.0, -3.0)

print((r1 - r2) * x)
tensor([[-1.7014, -2.9441, -2.4972, -0.0722, -0.6216, -1.8577, -1.4112]])

(r1 - r2) * torch.rand(a, b) + r2 生成统一范围 [5.0, 2.0)

print((r1 - r2) * x + r2)
tensor([[3.2986, 2.0559, 2.5028, 4.9278, 4.3784, 3.1423, 3.5888]])

现在，让我们分解@Jonasson 建议的答案：(r2 - r1) * torch.rand(a, b) + r1

同样，torch.rand(a, b) 生成 (1x7) 个均匀分布在 [0.0, 1.0] 范围内的数字。

x = torch.rand(a, b)
print(x)
# tensor([[0.5671, 0.9814, 0.8324, 0.0241, 0.2072, 0.6192, 0.4704]])

(r2 - r1) * torch.rand(a, b) 生成在 [0.0, 3.0] 范围内均匀分布的数字。

print((r2 - r1) * x)
# tensor([[1.7014, 2.9441, 2.4972, 0.0722, 0.6216, 1.8577, 1.4112]])

(r2 - r1) * torch.rand(a, b) + r1 生成在 [2.0, 5.0)

print((r2 - r1) * x + r1)
tensor([[3.7014, 4.9441, 4.4972, 2.0722, 2.6216, 3.8577, 3.4112]])

总结，(r1 - r2) * torch.rand(a, b) + r2产生范围[r2,r1)的数字，而(r2 - r1) * torch.rand(a, b) + r1产生范围[r1,r2)的数字.

Answer 2

torch.FloatTensor(a, b).uniform_(r1, r2)

Answer 3

要获得均匀的随机分布，您可以使用

torch.distributions.uniform.Uniform()

例子，

import torch
from torch.distributions import uniform

distribution = uniform.Uniform(torch.Tensor([0.0]),torch.Tensor([5.0]))
distribution.sample(torch.Size([2,3])

这将给出大小为 [2, 3] 的张量输出。

Answer 4

请你试试这样的东西：

import torch as pt
pt.empty(2,3).uniform_(5,10).type(pt.FloatTensor)

Answer 5

此答案使用 NumPy 首先生成随机矩阵，然后将矩阵转换为 PyTorch 张量。我发现 NumPy API 更容易理解。

import numpy as np

torch.from_numpy(np.random.uniform(low=r1, high=r2, size=(a, b)))

Answer 6

查看所有发行版：https://pytorch.org/docs/stable/distributions.html#torch.distributions.uniform.Uniform

这是我找到的方法：

# generating uniform variables

import numpy as np

num_samples = 3
Din = 1
lb, ub = -1, 1

xn = np.random.uniform(low=lb, high=ub, size=(num_samples,Din))
print(xn)

import torch

sampler = torch.distributions.Uniform(low=lb, high=ub)
r = sampler.sample((num_samples,Din))

print(r)

r2 = torch.torch.distributions.Uniform(low=lb, high=ub).sample((num_samples,Din))

print(r2)

# process input
f = nn.Sequential(OrderedDict([
    ('f1', nn.Linear(Din,Dout)),
    ('out', nn.SELU())
]))
Y = f(r2)
print(Y)

但我不得不承认我不知道生成采样器的意义是什么，为什么不直接调用它，就像我在 one liner（最后一行代码）中所做的那样。

评论：

采样器非常适合它，因此您可以 transform/compose/cache/etc 分布。见 https://arxiv.org/abs/1711.10604, and the top of the docs of https://pytorch.org/docs/stable/distributions.html# and https://arxiv.org/abs/1506.05254
您可以将张量输入 uniform 以让它知道高维区间（超立方体）以生成均匀样本（这就是为什么它接收张量作为输入而不是简单的数字）

参考：

Answer 7

利用 torch.distributions 包生成来自不同分布的样本。

例如，要从 range(low, high) 的均匀分布中采样大小为 [a,b] 的二维 PyTorch 张量，请尝试以下示例代码

import torch
a,b = 2,3   #dimension of the pytorch tensor to be generated
low,high = 0,1 #range of uniform distribution

x = torch.distributions.uniform.Uniform(low,high).sample([a,b])

Answer 8

PyTorch 内置了许多分布。您可以使用从均匀分布中提取的元素构建所需 shape 的张量，如下所示：

from torch.distributions.uniform import Uniform

shape = 3,4
r1, r2 = 0,1

x = Uniform(r1, r2).sample(shape)

如何在 PyTorch 中获得 [r1,r2] 范围内的均匀分布？

How to get a uniform distribution in a range [r1,r2] in PyTorch?

python

uniform-distribution

pytorch