为什么 randn 并不总是均值为 0 且方差为 1？

Question

对于 PyTorch.randn() 方法，文档说：

Returns a tensor filled with random numbers from a normal distribution with mean 0 and variance 1 (also called the standard normal distribution).

所以这是张量示例：

x = torch.randn(4,3)
tensor([[-0.6569, -0.7337, -0.0028],
        [-0.3938,  0.3223,  0.0497],
        [ 0.0129, -2.7546, -2.2488],
        [ 1.6754, -0.1497,  1.8202]])

当我打印平均值时：

x.mean()
tensor(-0.2550)

当我打印标准偏差时：

x.std()
tensor(1.3225)

那么为什么平均值不是 0 而标准差不是 1？

奖励问题：如何生成均值为 0 的随机张量？

Answer 1

分布的有限样本具有完全相同的均值和完全相同的标准差，这将是一个很大的巧合。预计您生成的数字越多，样本的均值和偏差越接近分布的 "true" 均值和偏差。

Answer 2

我只能回答一半：我认为您误解了文档。它不应解析为 "Returns a tensor {filled with random numbers from a normal distribution} with mean 0 and variance 1"，而应解析为 "Returns a tensor filled with {random numbers from a normal distribution with mean 0 and variance 1}"。 IE。返回的张量没有均值 0 或方差 1。只有从中抽取随机数的分布具有均值 0 和方差 1。

Answer 3

如果您真的希望给定样本的均值为零且方差为 1（而不是从具有零均值和单位方差的分布中采样），那么您可以将其转换为这样，例如:

x = torch.randn(4,3)
x -= x.mean()
x /= x.std()

这种东西很有用

为什么 randn 并不总是均值为 0 且方差为 1？

Why randn doesn't always have a mean of 0 and variance of 1?

python

random

pytorch

tensor