mindspore.mint.normal

mindspore.mint.normal(mean, std, *, generator=None)

根据正态（高斯）随机数分布生成随机数。

参数：

• mean (Union[float, Tensor]) - 每个元素的均值，shape与 std 相同。

• std (Union[float, Tensor]) - 每个元素的标准差，shape与 mean 相同。 std 的值大于等于0。

关键字参数：

• generator (generator，可选) - MindSpore随机种子。默认值： None。

返回：

Tensor，输出tensor的shape和 mean 的shape相同。

异常：

• TypeError - 如果 mean 或 std 不是Union[float, Tensor]。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import mint
>>> from mindspore import Tensor
>>> mean = Tensor(np.array([1.0, 2.0, 3.0]), mindspore.float32)
>>> std = Tensor(np.array([1.0, 2.0, 3.0]), mindspore.float32)
>>> output = mint.normal(mean, std)
>>> print(output.shape)
(3,)

mindspore.mint.normal(mean, std=1.0)

与上面接口类似。但所有生成的元素共享同一个标准差。

参数：

• mean (Tensor) - 每个元素的均值。

• std (float，可选) - 每个元素的标准差。 std 的值大于等于0。默认值： 1.0。

返回：

Tensor，输出tensor的shape和 mean 的shape相同。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import mint
>>> from mindspore import Tensor
>>> mean = Tensor(np.array([1.0, 2.0, 3.0]), mindspore.float32)
>>> output = mint.normal(mean, 1.0)
>>> print(output.shape)
(3,)

mindspore.mint.normal(mean, std, size)

与上面接口类似。但所有生成的元素共享同一个均值和标准差。输出Tensor的大小由 size 指定。

参数：

• mean (float) - 每个元素的均值。

• std (float) - 每个元素的标准差。

• size (tuple) - 输出shape。

返回：

Tensor，shape为 size 。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import mint
>>> from mindspore import Tensor
>>> output = mint.normal(1.0, 2.0, (2, 4))
>>> print(output.shape)
(2, 4)