torch.bernoulli

torch.bernoulli(input: Tensor, *, generator: Optional[Generator], out: Optional[Tensor]) → Tensor

从伯努利分布中抽取二进制随机数（0 或 1）。

input 矩阵应该是一个包含用于抽取二进制随机数的概率的矩阵。因此， input 中的所有值都必须在 $0 \leq \text{input}_i \leq 1$ 范围内。

输出矩阵的 $\text{i}^{th}$ 元素将根据 input 中给出的 $\text{i}^{th}$ 概率值抽取 $1$ 的值。

$$\text{out}_{i} \sim \mathrm{Bernoulli}(p = \text{input}_{i})$$

返回的 out 矩阵只包含 0 或 1 的值，并且与 input 的形状相同。

out 可以有整数 dtype ，但 input 必须有浮点数 dtype 。

参数:

输入（张量）- 伯努利分布的概率值输入张量

关键字参数:

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

• 输出（张量，可选）- 输出张量。

示例：

>>> a = torch.empty(3, 3).uniform_(0, 1)  # generate a uniform random matrix with range [0, 1]
>>> a
tensor([[ 0.1737,  0.0950,  0.3609],
        [ 0.7148,  0.0289,  0.2676],
        [ 0.9456,  0.8937,  0.7202]])
>>> torch.bernoulli(a)
tensor([[ 1.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 1.,  1.,  1.]])

>>> a = torch.ones(3, 3) # probability of drawing "1" is 1
>>> torch.bernoulli(a)
tensor([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]])
>>> a = torch.zeros(3, 3) # probability of drawing "1" is 0
>>> torch.bernoulli(a)
tensor([[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]])