在该系列的上一篇：从零开始深度学习Pytorch笔记（2）——张量的创建（上），我们介绍了Pytorch中的张量，并且讲述了张量的各种创建方式，本文我们继续研究Pytorch的更多创建方式。
生成正态分布（高斯分布）数据的张量
torch.normal(mean, std, out=None)
参数：
mean:均值
std:标准差
这种生成正态分布数据的张量创建有4种模式：
（1）mean为张量，std为张量
（2）mean为标量，std为标量
（3）mean为标量，std为张量
（4）mean为张量，std为标量
#mean为张量，std为张量
mean = torch.arange(1,6,dtype=torch.float)
std = torch.arange(1,6,dtype=torch.float)
t = torch.normal(mean,std)
print("mean:{},std:{}".format(mean,std))
print(t)
此时的mean和std都是张量，可以理解为其中的-0.6152是mean为1，std为1的正态分布采样得到，其他对应位置数据同理得到，只是从不同的正态分布中采样得到。
#mean为标量，std为标量
t = torch.normal(0.2,1.0,size=(5,))
print(t)
这里生成的数据都是通过mean为0.2，std为1.0采样得到的，长度为5的一维张量。
#mean为标量，std为张量
mean = 2
std = torch.arange(1,4,dtype=torch.float)
t = torch.normal(mean,std)
print("mean:{},std:{}".format(mean,std))
print(t)
1.9759是mean为2，std为1的正态分布采样得到，其他对应位置数据同理得到，只是从不同的正态分布中(均值不同，标准差相同）采样得到。
#mean为张量，std为标量
mean = torch.arange(1,4,dtype=torch.float)
std = 2
t = torch.normal(mean,std)
print("mean:{},std:{}".format(mean,std))
print(t)
其中，0.2434是mean为1，std为2的正态分布采样得到，其他对应位置数据同理得到，只是从不同的正态分布中(均值不同，标准差相同）采样得到。
标准正态分布数据的张量
标准正态分布指的是：均值为0，标准差为1
torch.randn()
torch.randn(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)
size:张量的形状
例如创建一个长度为6的标准正态分布张量：
torch.randn(6)
创建一个二维的标准正态分布张量：
torch.randn(3,4)
torch.randn_like()可以根据张量的形状创建新的标准正态分布张量
randn_like(input, dtype=None, layout=None, device=None, requires_grad=False)
a = torch.ones((3,4))
t = torch.randn_like(a)
print(t)
创建在 (0,1] 上均匀分布的张量
torch.rand()
torch.rand(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)
创建一个均匀分布的长度为5的一维张量：
torch.rand(5)
创建一个均匀分布的二维张量：
torch.rand(3,4)
在区间上创建整数均匀分布数据的张量
torch.randint()和torch.randint_like()可以达到这个效果。
torch.randint(low=0, high, size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)
在区间[low,high)上生成整数均匀分布数据的张量
例如创建在[2,6)上均匀分布的整数张量，长度为4的一维张量：
torch.randint(2, 6, (4,))
生成在[0,9) 上均匀分布的整数张量，二维张量：
torch.randint(9, (3, 2))
生成0~n-1的随机排列一维张量
torch.randperm(n, out=None, dtype=torch.int64, layout=torch.strided, device=None, requires_grad=False)
torch.randperm(6)
生成伯努利分布（0-1分布，两点分布）的张量
torch.bernoulli(input, *, generator=None, out=None)
input：概率值
例如先创建一个张量a，作为之后的概率值输入：
a = torch.empty(3, 3).uniform_(0, 1)
a
然后通过a创建张量t：
torch.bernoulli(a)#使用上面创建的张量a作为概率值创建伯努利分布
扫码下图关注我们不会让你失望！
