Création de Tenseurs Aléatoires

Les tenseurs aléatoires sont utiles pour initialiser des données ou des poids dans les modèles d'apprentissage automatique (le cas d'utilisation le plus courant).

Tenseurs Uniformes Aléatoires

La fonction torch.rand() est utilisée pour créer un tenseur avec des valeurs aléatoires tirées d'une distribution uniforme entre 0 et 1. De même que pour les fonctions zeros() et ones(), les arguments spécifient la forme du tenseur.


              1234
            
import torch
# Create a 6x8 tensor with random values between 0 and 1
random_tensor = torch.rand(6, 8)
print(random_tensor)

Tenseurs Normaux Aléatoires

La fonction torch.randn() est utilisée pour créer un tenseur avec des valeurs aléatoires tirées d'une distribution normale standard (moyenne = 0, écart-type = 1).


              1234
            
import torch
# Create a 2x2 tensor with random values from a normal distribution
normal_tensor = torch.randn(2, 2)
print(normal_tensor)

Tenseurs d'Entiers Aléatoires

La fonction torch.randint() est utilisée pour créer un tenseur avec des valeurs entières aléatoires tirées d'une distribution uniforme discrète.

Les deux premiers paramètres de cette fonction (low, qui est égal à 0 par défaut, et high) spécifient la plage de valeurs (de low à high exclusif). Le paramètre suivant spécifie la forme du tenseur sous forme de tuple.


              1234
            
import torch
# Create a 4x3 tensor with random integers between 0 and 10
integer_tensor = torch.randint(0, 10, (4, 3))
print(integer_tensor)

Définir la graine aléatoire

Pour assurer la reproductibilité, vous pouvez définir une graine manuelle. Cela fixe les nombres aléatoires générés pour qu'ils soient les mêmes chaque fois que vous exécutez le code.


              123456
            
import torch
# Set the random seed
torch.manual_seed(42)
# Create a 2x3 tensor with random values
seeded_tensor = torch.rand(2, 3)
print(seeded_tensor)

Cas d'utilisation pratiques pour les tenseurs aléatoires

Initialisation des poids : les tenseurs aléatoires sont souvent utilisés pour initialiser les poids dans les réseaux de neurones ;
Simulation de données : générer des ensembles de données aléatoires pour les tests et l'expérimentation ;
Échantillonnage aléatoire : utiliser des tenseurs aléatoires pour des tâches comme le dropout et l'ajout de bruit dans les modèles.

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 5