torch.multinomial

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

傳回一個 tensor，其中每一列都包含從多項式分佈（更嚴格的定義將是多元的，請參考 torch.distributions.multinomial.Multinomial 以獲取更多詳細資訊）取樣的 num_samples 索引，該分佈位於 tensor input 的相應列中。

注意

input 的各行總和不一定要等於 1 (在這種情況下，我們會將這些值用作權重)，但必須是非負數、有限且總和不為零。

索引會依照取樣順序由左至右排列（首先取樣的會放在第一欄）。

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

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

如果 replacement 為 True，則取樣時會放回。

否則，取樣時不會放回，這表示針對某一行取樣到一個索引後，該索引就不能再針對該行取樣。

注意

當不放回取樣時，num_samples 必須小於 input 中非零元素的數量（如果 input 是一個矩陣，則為每行中非零元素的最小數量）。

參數

• input (Tensor) – 包含機率的輸入張量

• num_samples (int) – 要取樣的數量

• replacement (bool, optional) – 是否要放回取樣

關鍵字引數

• generator (torch.Generator, optional) – 用於取樣的偽隨機數產生器

• out (Tensor, optional) – 輸出張量。

範例

>>> 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])