0

我有两点要问:

1) 我想了解np.random.randnNumPy 和torch.randnPyTorch 究竟返回了什么。它们都从均值为 0 和标准为 1 的正态分布中返回具有随机数的张量,因此是标准正态分布。但是,这与在这里x 将值放入标准正态分布函数中并获取其各自的图像值不同。PyTorch 和 NumPy 返回的值看起来不像这样。y

np.random.randn对我来说,似乎torch.randn这些库都返回x函数的值,而不是y我在下面计算的图像。那是对的吗?

normal = np.array([(1/np.sqrt(2*np.pi))*np.exp(-(1/2)*(i**2)) for i in range(-38,39)])

打印normal变量向我展示了这样的东西。

array([1.10e-314, 2.12e-298, 1.51e-282, 3.94e-267, 3.79e-252, 1.34e-237,
       1.75e-223, 8.36e-210, 1.47e-196, 9.55e-184, 2.28e-171, 2.00e-159,
       6.45e-148, 7.65e-137, 3.34e-126, 5.37e-116, 3.17e-106, 6.90e-097,
       5.52e-088, 1.62e-079, 1.76e-071, 7.00e-064, 1.03e-056, 5.53e-050,
       1.10e-043, 8.00e-038, 2.15e-032, 2.12e-027, 7.69e-023, 1.03e-018,
       5.05e-015, 9.13e-012, 6.08e-009, 1.49e-006, 1.34e-004, 4.43e-003,
       5.40e-002, 2.42e-001, 3.99e-001, 2.42e-001, 5.40e-002, 4.43e-003,
       1.34e-004, 1.49e-006, 6.08e-009, 9.13e-012, 5.05e-015, 1.03e-018,
       7.69e-023, 2.12e-027, 2.15e-032, 8.00e-038, 1.10e-043, 5.53e-050,
       1.03e-056, 7.00e-064, 1.76e-071, 1.62e-079, 5.52e-088, 6.90e-097,
       3.17e-106, 5.37e-116, 3.34e-126, 7.65e-137, 6.45e-148, 2.00e-159,
       2.28e-171, 9.55e-184, 1.47e-196, 8.36e-210, 1.75e-223, 1.34e-237,
       3.79e-252, 3.94e-267, 1.51e-282, 2.12e-298, 1.10e-314])

2)另外,如果我们问这些库我想要一个标准正态分布的值矩阵,这意味着所有行和列都来自同一个标准分布?如果我想要每一行中的 iid 分布,我需要为每一行调用np.random.randn一个for循环,然后再调用vstack它们?

4

1 回答 1

0

1) 是的,它们给你 x 而不是 phi(x),因为 phi(x) 的公式给出了采样值 x 的概率密度。如果您想知道在区间 [a,b] 中获取值的概率,您需要在 a 和 b 之间积分 phi(x)。直观地说,如果您查看函数 phi(x),您会发现您更可能获得接近零的值而不是接近 1 的值。查看它的简单方法是查看采样的直方图价值观。

import numpy as np
import matplotlib.pyplot as plt    
samples = np.random.normal(size=[1000])
plt.hist(samples)

在此处输入图像描述

2)他们是独立同住者。只需使用 2d 大小,如下所示:

samples = np.random.normal(size=[10, 10])
于 2019-09-05T21:03:19.327 回答