如何在 -1 和 1 之间创建均匀分布值的批量 batch_size 张量？答案

【问题标题】：How can I create a tensor of batch batch_size of uniformly distributed values between -1 and 1?如何在 -1 和 1 之间创建均匀分布值的批量 batch_size 张量？
【发布时间】：2021-01-16 00:53:20
【问题描述】：

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 的张量？

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！

【问题讨论】：

标签： computer-vision pytorch

【解决方案1】：

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 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])

创建一个形状为 [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]])

三种形状定义如下：

样本形状描述了从分布中独立、同分布的抽取。
Batch shape 描述独立的、非同分布的绘制。即，我们可能有一组（不同的）参数化到相同的分布。这使常见的一批示例的机器学习用例，每个示例由它自己的分布。
事件形状从分布中描述单次绘制（事件空间）的形状；它可能依赖于各个维度。

【讨论】：