当前位置: 首页 > news >正文

深入解析:python学智能算法(三十九)|使用PyTorch模块的normal()函数绘制正态分布函数图

【1】引言

前序已经学习了使用Numpy和PyTorch模块绘制正态分布函数图的基本技巧,掌握了
p(x)=12πσ2exp(−12σ2(x−μ)2)p(x)=\frac{1}{\sqrt{2\pi\sigma^2}}exp(-\frac{1}{2\sigma^2}(x-\mu)^2)p(x)=2πσ21exp(2σ21(xμ)2)
在PyTorch里面绘制图像的基本技巧。
今天更进一步,使用torch.normal()函数直接绘制正态分布函数图。

【2】torch.normal()函数

【2.1】生成随机数

torch.normal()函数可以直接绘制正态分布函数图。
这个函数的作用是生成符合正态分布的随机数,比如:

# 引入模块 
import torch
# 使用torch.normal()函数生成随机数
x=torch.normal(0,1,(2,3))
print(x)
a=len(x)
print('a=',a)

这个代码运行会生成2行3列的满足均值为0、标准差为1的正态分布随机数。

【2.2】对随机数绘图

torch.normal()函数可以直接获得正态分布随机数,那数据就可以画出图像。
这个图像的最佳画法就是使用hist()函数来绘制概率分布图,随机数如何分布的情况一目了然。
为了做对比,我们也可以自己按照上述正态分布函数式来自定义图像。
这里给出代码:

import torch
import matplotlib.pyplot as plt
import numpy as np
# 生成不同样本量的数据
sample_sizes = [100, 1000, 10000]  # 三种样本量
# 生成x轴数据(用于理论曲线)
x_range = np.arange(-5, 5,0.01)
datasets = [torch.normal(0, 1, (size,)).numpy() for size in sample_sizes]
# 定义正态分布概率密度函数(理论曲线)
def normal_pdf(x, mean=0, std=1):
return (1 / (std * np.sqrt(2 * np.pi))) * np.exp(-0.5 * ((x - mean) / std) ** 2)
# 计算理论曲线值
y_theoretical = normal_pdf(x_range)
# 创建画布和子图
fig, ax = plt.subplots(1, 3)
for i in range(3):
ax[i].hist(datasets[i],bins=int(sample_sizes[i]*0.3), density=True, alpha=0.5, color='skyblue', edgecolor='black')
# 叠加理论正态分布曲线
ax[i].plot(x_range, y_theoretical, 'r-', linewidth=2, label='理论分布')
print(len(datasets[i]))
if i == 0:  # 仅第一个子图显示y轴标签(避免重复)
ax[i].set_ylabel('torch.normal', fontsize=12)
if i == 1:  # 仅第二个子图显示x轴标签(避免重复)
ax[1].set_xlabel('x', fontsize=12)
plt.show()

代码给出了三个数量级的随机数概率分布直方图,第一个有100个数据,第二个有1000个数据,第三个有10000个数据。数据越多,理论上正态分布的效果越明显,实际的图像效果为:
在这里插入图片描述
虽然图像在高度上发生了变化,但显然数据越多,直方图和曲线图拟合得更好。

【3】细节

需要注意的是,图像越来越黑,是因为hist()函数绘制了很多边框,边框的颜色edgecolor是黑色的。bins=int(sample_sizes[i]*0.3)表明数据越多,边框越多,所以黑色越来越多。

ax[i].hist(datasets[i],bins=int(sample_sizes[i]*0.3), density=True, alpha=0.5, color=‘skyblue’, edgecolor=‘black’)

如果想让图像的颜色一致,最佳办法就是统一所有的边框数量,比如限制边框数量为30,此时的图像效果为:
在这里插入图片描述

【4】说明

虽然上述代码简洁的表明了torch.normal()函数可以生成好用的正态分布随机数,但是这个代码显然写起来要比numpy模块复杂一些。
并且当前只对torch.normal(0, 1, (size,))画了图,还没有开展更复杂的图像绘制。,学习的路还长。

【5】总结

学习了使用PyTorch模块的normal()函数绘制正态分布函数图的基本方法。

http://www.hskmm.com/?act=detail&tid=22976

相关文章:

  • 2025污水处理设备厂家 TOP 企业品牌推荐排行榜,一体化,生活,工业,养殖,医疗,农村,学校,餐厨,隧洞,高速污水处理设备公司推荐!
  • 2025上海律师事务所权威推荐榜:多领域专业服务口碑之选
  • 软件工程课程第一次团队作业
  • 完整教程:MeterSphere接口测试响应提取:JSONPath与正则表达式全指南
  • 2025无锡高配网咖实力厂家推荐:电竞设备与沉浸体验优选指南
  • 2025无锡网咖权威推荐榜:停车便利体验佳,畅享上网好时光
  • 2025全屋定制厂家权威推荐榜:品质工艺与空间美学典范
  • 2020 ICPC 银川 ABEGJK
  • 1.奖励函数的简要分析
  • 虚拟内存的基本概念
  • pwn初学刷题记录
  • Vmware中安装Win10
  • 手把手部署 HFish 蜜罐:从防火墙配置到登录使用,新手也能轻松上手
  • P1614 爱与愁的心痛
  • P2911 [USACO08OCT] Bovine Bones G
  • STM32 智能垃圾桶项目笔记(四):PWM 回顾与舵机(SG90)控制实现 - 实践
  • 机器学习 深度学习发展简史(简化版)
  • 2025无锡黄金上门回收公司权威推荐榜:专业估价与诚信服务口碑之选
  • 详细介绍:告别“下次注意”,用这套结构化事故复盘方案就对了
  • 关于树状数组的一些东西
  • lazyVIM整体介绍、常用功能和插件
  • 【SpringAI】第四弹:深入解析 Rag 检索增强工作流程、最佳实践和调优 - 详解
  • 2025 年浮动密封厂家 TOP 企业品牌推荐排行榜,矿用,工程机械,矿山机械,煤矿井下,煤矿机械浮动密封推荐这十家公司!
  • P2141 [NOIP 2014 普及组] 珠心算测验
  • CF1081F Tricky Interactor
  • 2025.10 做题笔记
  • 2025年浮动油封厂家TOP企业品牌推荐排行榜,深度剖析技术创新与产品性能矿用,工程机械,矿山机械,煤矿井下,煤矿机械油封推荐这十家公司!
  • P1554 [USACO06DEC] 梦中的统计 Dream Counting B
  • 2025 年防火涂料厂家 TOP 企业品牌推荐红榜,膨胀型钢结构,非膨胀型钢结构,厚型钢结构,薄型钢结构,钢结构喷涂防火涂料推荐这十家优质公司!
  • 0.机器人的URDF文件修改