torch.multinomial

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

返回一个张量，其中每行包含从多项分布中采样的 num_samples 个索引（更严格的定义是多元的，有关更多详细信息，请参阅 torch.distributions.multinomial.Multinomial）概率分布，该分布位于张量 input 的对应行中。

注意

input 的行不需要总和为 1（在这种情况下，我们使用这些值作为权重），但必须是非负的、有限的且具有非零和。

索引从左到右排序，根据每个索引被采样的顺序（第一个样本放在第一列）。

如果 input 是一个向量，则 out 是大小为 num_samples 的向量。

如果 input 是具有 m 行的矩阵，则 out 是形状为 $(m \times \text{num\_samples})$ 的矩阵。

如果 replacement 为 True，则进行有放回采样。

否则，进行无放回采样，这意味着当为某一行抽取样本索引时，不能再次为该行抽取该索引。

注意

当进行无放回抽取时，num_samples 必须小于 input 中非零元素的数量（如果 input 是矩阵，则为 input 的每一行中非零元素的最小数量）。

参数

• input (Tensor) – 包含概率的输入张量

• num_samples (int) – 要抽取的样本数

• replacement (bool, 可选) – 是否进行有放回抽取

关键字参数

• generator (torch.Generator, 可选) – 用于采样的伪随机数生成器

• out (Tensor, 可选) – 输出张量。

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])