我們介紹了Pytorch中的張量，並且講述了張量的各種創建方式，本文我們將繼續研究Pytorch的更多創建方式。
生成正態分佈（高斯分佈）數據的張量torch.normal(mean, std, out=None)參數：mean:均值，std:標準差
這種生成正態分佈數據的張量創建有4種模式：
（1）mean爲張量，std爲張量
（2）mean爲標量，std爲標量
（3）mean爲標量，std爲張量
（4）mean爲張量，std爲標量
#mean爲張量，std爲張量
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)
此時的mean和std都是張量，可以理解爲其中的-0.6152是mean爲1，std爲1的正態分佈採樣得到，其他對應位置數據同理得到，只是從不同的正態分佈中採樣得到。
#mean爲標量，std爲標量
t = torch.normal(0.2,1.0,size=(5,))
print(t)
這裏生成的數據都是通過mean爲0.2，std爲1.0採樣得到的，長度爲5的一維張量。
#mean爲標量，std爲張量
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爲2，std爲1的正態分佈採樣得到，其他對應位置數據同理得到，只是從不同的正態分佈中(均值不同，標準差相同）採樣得到。
#mean爲張量，std爲標量
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爲1，std爲2的正態分佈採樣得到，其他對應位置數據同理得到，只是從不同的正態分佈中(均值不同，標準差相同）採樣得到。
標準正態分佈數據的張量標準正態分佈指的是：均值爲0，標準差爲1
torch.randn()
torch.randn(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)
size:張量的形狀例如創建一個長度爲6的標準正態分佈張量：torch.randn(6)創建一個二維的標準正態分佈張量：torch.randn(3,4)torch.randn_like()可以根據張量的形狀創建新的標準正態分佈張量
randn_like(input, dtype=None, layout=None, device=None, requires_grad=False)
a = torch.ones((3,4))
t = torch.randn_like(a)
print(t)
創建在 (0,1] 上均勻分佈的張量torch.rand()torch.rand(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)
創建一個均勻分佈的長度爲5的一維張量：torch.rand(5)
創建一個均勻分佈的二維張量：torch.rand(3,4)
在區間上創建整數均勻分佈數據的張量torch.randint()和torch.randint_like()可以達到這個效果。
torch.randint(low=0, high, size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)
在區間[low,high)上生成整數均勻分佈數據的張量
例如創建在[2,6)上均勻分佈的整數張量，長度爲4的一維張量：torch.randint(2, 6, (4,))
生成在[0,9) 上均勻分佈的整數張量，二維張量：
torch.randint(9, (3, 2))
生成0~n-1的隨機排列一維張量torch.randperm(n, out=None, dtype=torch.int64, layout=torch.strided, device=None, requires_grad=False)
torch.randperm(6)
生成伯努利分佈（0-1分佈，兩點分佈）的張量torch.bernoulli(input, *, generator=None, out=None)input：概率值例如先創建一個張量a，作爲之後的概率值輸入：a = torch.empty(3, 3).uniform_(0, 1)a然後通過a創建張量t：torch.bernoulli(a)#使用上面創建的張量a作爲概率值創建伯努利分佈