torch.multinomial

torch.multinomial(input, num_samples, replacement=False, *, generator=None, out=None) → LongTensor

返回一個張量，其中每一行包含從對應於輸入張量 input 中各行的多項式（更嚴格的定義是多元分佈，詳情請參閱 torch.distributions.multinomial.Multinomial）機率分佈中抽取的 num_samples 個索引。

注意

input 的行不需要總和為一（在這種情況下，我們將使用值作為權重），但必須是非負數、有限數且總和非零。

索引按照取樣的順序從左到右排列（第一個樣本放在第一列）。

如果 input 是一個向量，out 是一個大小為 num_samples 的向量。

如果 input 是一個具有 m 行的矩陣，out 是一個形狀為 $(m \times \text{num\_samples})$ 的矩陣。

如果 replacement 為 True，則樣本進行有放回抽取。

否則，樣本進行無放回抽取，這意味著對於某一行，一旦某個樣本索引被抽取，它就不能再被抽取。

注意

進行無放回抽取時，num_samples 必須小於 input 中的非零元素數量（如果 input 是矩陣，則必須小於每行中的最小非零元素數量）。

引數

• input (Tensor) – 包含機率的輸入張量

• num_samples (int) – 要抽取的樣本數量

• replacement (bool, optional) – 是否有放回抽取

關鍵字引數

• generator (torch.Generator, optional) – 用於取樣的偽隨機數生成器

• out (Tensor, optional) – 輸出張量。

示例

>>> weights = torch.tensor([0, 10, 3, 0], dtype=torch.float) # create a tensor of weights
>>> torch.multinomial(weights, 2)
tensor([1, 2])
>>> torch.multinomial(weights, 5) # ERROR!
RuntimeError: cannot sample n_sample > prob_dist.size(-1) samples without replacement
>>> torch.multinomial(weights, 4, replacement=True)
tensor([ 2,  1,  1,  1])