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式（更严格的定义是多元的，请参阅 torch.distributions.multinomial.Multinomial 获取更多详情）概率分布中采样的 num_samples 索引。

注意

input 的行不需要求和为 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，并且总和不为零。

索引按照每个索引被采样的时间顺序排列（首先采样的样本放在第一列）。

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

如果 input 是一个有 m 行的矩阵，则 out 是一个形状为 $(m \times \text{num\_samples})$ 的矩阵。

如果替换为 True ，则进行有放回的抽样。

如果不是，则进行不放回抽取，这意味着当抽取一个样本索引后，该索引不能再次用于该行。

注意

不放回抽取时， num_samples 必须小于 input 中的非零元素数量（或 input 每行的最小非零元素数量，如果它是一个矩阵）。

参数:

• 输入（张量）- 包含概率的输入张量

• num_samples（整数）- 要抽取的样本数量

• 替换（布尔值，可选）- 是否进行有放回抽取

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：

>>> 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])