如何创建 -1 和 1 之间均匀分布值的批量 batch_size 张量？

如何解决如何创建 -1 和 1 之间均匀分布值的批量 batch_size 张量？

标题几乎概括了它，我正在尝试实现一个 GAN： 如何使用 pytorch 创建一个在 -1 和 1 之间均匀分布的值的批量 batch_size 张量？

def create_latent_batch_vectors(batch_size,latent_vector_size,device):
'''
The function creates a random batch of latent vectors with random values 
distributed uniformly between -1 and 1. 
Finally,it moves the tensor to the given ```device``` (cpu or gpu).
The output should have a shape of [batch_size,latent_vector_size].
'''
# maybe torch.distributions.uniform.Uniform() somehow?
return z.to(device)

谢谢！

解决方法

让我们首先定义一个均匀分布，低范围为 -1，高范围为 +1

dist = torch.distributions.uniform.Uniform(-1,1)
sample_shape = torch.Size([2])
dist.sample(sample_shape)
>tensor([0.7628,0.3497])

这是一个形状为 2 (sample_shape) 的张量。它没有batch_shape。让我们检查一下：

dist.batch_shape
>torch.Size([])

现在让我们使用 expand。它本质上是通过扩展 batch_shape 来创建一个新的分发实例。

new_batch_shape = torch.Size([5])   # batch_shape of [5]
expanded_dist = dist.expand(new_batch_shape)

检查：

expanded_dist.batch_shape
>torch.Size([5])

创建形状为 [batch_size,sample_shape] 的张量

expanded_dist.sample(sample_shape)
>tensor([[0.1592,0.3404,0.3520,0.3038,0.0393],[0.9368,0.0108,0.5836,0.6156,0.6704]])

三种类型的形状定义如下：

• 样本形状描述了来自分布的独立同分布抽取。
• 批次形状 描述了独立的、非同分布的绘制。也就是说，我们可能有一组（不同的） 相同分布的参数化。这使常见的 一批示例的机器学习用例，每个示例都由 它自己的发行版。
• 事件形状描述来自分布的单个绘制（事件空间）的形状；它可能跨维度依赖。