pytorch multinomial 实例

最新推荐文章于 2024-07-25 11:23:50 发布
最新推荐文章于 2024-07-25 11:23:50 发布
阅读量4k 收藏 2
点赞数
分类专栏： PyTorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/guotong1988/article/details/78942998
版权
该博客介绍了如何使用PyTorch的multinomial函数进行概率抽样，通过示例展示了该函数如何根据提供的概率分布进行样本选择。
摘要由CSDN通过智能技术生成

就是抽样

a = torch.FloatTensor([[0,0,0,0,0,0,0,100]])
b=softmax(a)
b.multinomial()

Variable containing:
7
[torch.LongTensor of size 1x1]

b.multinomial()

Variable containing:
7
[torch.LongTensor of size 1x1]

b.multinomial()

Variable containing:
7
[torch.LongTensor of size 1x1]

b.multinomial()

Variable containing:
7
[torch.LongTensor of size 1x1]

可见是按b的值也就是概率选的

FocusOneThread
关注
专栏目录
订阅专栏
Pytorch小抄：multinominal采样函数
lbj23hao1的博客
11-23 1082
对torch.multinomial()的理解 Pytorch小抄：multinominal采样函数
pytorch系列：torch.multinomial
cgfth
12-10 482
torch.multinomial(input, num_samples, replacement=False, out=None)返回一个每一行包含num_samplesnum\_samplesnum_samples个从位于对应tensor的行通过多项式概率分布采样来值。 注意：inputinputinput的行和不必是加和为1（在那些我们使用这些值作为权重的情况中），大必须是非负的，有限的和非...
PyTorch基础（24）--torch.multinomial()方法
最新发布
奋斗の博客
07-25 410
torch.multinomial()方法多出现在需要采样的场景中，如强化学习。具体讲，当使用强化学习解决旅行商问题时，针对某一个instance，trained model会逐步推理得到下一步要经过的城市，直至所有的城市都访问过。在某个时刻t，都会从下一个访问城市的概率分布中均匀采样得到下一个要访问的城市。OK!上述例子不理解没关系，言归正传，正式开始介绍torch.multinomial()方法。
pytorch torch.multinomial函数
rocking_struggling的博客
05-06 2548
torch.multinomial(input, num_samples,replacement=False, out=None) 返回一个张量，每行包含从input相应行中定义的多项分布中抽取的num_samples个样本。 注意：输入input每行的值不需要总和为1 (这里我们用来做权重)，但是必须非负且总和不能为0。 当抽取样本时，依次从左到右排列(第一个样本对应第一列)。 如果输入inpu...
Pytorch torch.multinomial()用法
Decennie的博客
08-05 882
pytorch torch.multinomial() import torch w = torch.arange(12,dtype=torch.float).view(3,4) print(w) out = torch.multinomial(w,2) print(out) tensor([[ 0., 1., 2., 3.], [ 4., 5., 6., 7.], [ 8., 9., 10., 11.]]) tensor([[2, 1], [
Pytorch中的多项分布multinomial.Multinomial().sample()解析
Hoper-J的博客
03-03 3026
Pytorch中的多项分布multinomial.Multinomial().sample()解析
gamma分布 pytorch_PyTorch 1.0 中文文档：torch.distributions
weixin_32259601的博客
01-14 1471
distributions 包含可参数化的概率分布和采样函数. 这允许构造用于优化的随机计算图和随机梯度估计器. 这个包一般遵循 TensorFlow Distributions 包的设计.通常, 不可能直接通过随机样本反向传播. 但是, 有两种主要方法可创建可以反向传播的代理函数. 即得分函数估计器/似然比估计器/REINFORCE和pathwise derivative估计器. REINFOR...
pytorch基础学习------02 保存加载模型 以及 实例
随笔
06-11 549
文章目录1.语言模型(预测一句话的下一个单词)2. 代码2.1数据准备2.2定义模型2.3 训练模型（附加保存模型）：2.4 加载训练好的模型： 1.语言模型(预测一句话的下一个单词) 学习目标 学习语言模型，以及如何训练一个语言模型 学习torchtext的基本使用方法 构建 vocabulary word to inde 和 index to word 学习torch.nn的一些基本模型 Linear RNN LSTM GRU RNN的训练技巧 Gradient Clipping 如
PPO原理与代码实例讲解
程序员光剑
06-08 1003
1. 背景介绍 强化学习是机器学习领域的一个重要分支，它通过让智能体与环境交互来学习如何做出最优决策。在强化学习中，策略优化是一个重要的问题，它的目标是找到一个最优的策略，使得智能体在与环境交互的过程中能够获得最大的奖励。PPO（Proximal Policy Optimization）是一种用于策略优化的算法，它在近年来的强化学习领域中备受关注。
gamma分布 pytorch_PyTorch 概率分布-torch分布
weixin_35795675的博客
01-14 2100
distributions程序包包含可参数化的概率分布和采样函数。 这允许构造用于优化的随机计算图和随机梯度估计器。 该软件包通常遵循 TensorFlow Distributions 软件包的设计。无法直接反向传播随机样本。 但是，有两种主要的方法可以创建可以反向传播的代理功能。 它们是得分函数估计器/似然比估计器/ REINFORCE 和路径导数估计器。 REINFORCE 通常被认为是强化学...
pytorch multinomial 报错 device-side assert triggered
Talk Is Cheap
06-14 1552
/pytorch/aten/src/THC/THCTensorRandom.cuh:187: void sampleMultinomialOnce(long *, long, int, T *, T *, int, int) [with T = float, AccT = float]: block: [6,0,0], thread: [5,0,0] Assertion `THCNumerics&...
torch.multinomial的c++代码
goodfate_and_fortune的博客
02-21 259
实现1 ```cpp #include <iostream> #include <vector> #include <random> #include <numeric> std::vector<int> torch_multinomial(const std::vector<float> &prob, int num_samples) { std::vector<int> sample_
torch.multinomial()
jokerxsy的博客
05-02 763
先看一下定义(没上官网，在外，热点上不去) def multinomial(self: Tensor, num_samples: _int, replacement: _bool=False, *, generator: Generator=None, out: Optional[Tensor]=None) -> Tensor: ... 参数: input:我也不知道为何上面的函数参数中没...
Python torch.distributions.multinomial.Multinomial
Luke的学习笔记
05-28 776
torch.distributions.multinomial.Multinomial(total_count=1,probs=None,logits=None,validate_args=None) probs是权重表，不是相加和为1也没关系，会自动帮你归一化，total_count就是要模拟多少次。sample后面可以加数值让他做多少批次。下面是掷骰子的例子 >>> fair_probs = torch.ones([6]) / 6 >>> mult...
torch.distributions.multinomial.Multinomial 类
scar2016的博客
08-26 1607
class Multinomial(torch.distributions.distribution.Distribution) | Multinomial(total_count=1, probs=None, logits=None, validate_args=None) | | Creates a Multinomial distribution parameterized by :attr:`total_count` and | either :attr:`probs` or...
7 pytorch实例——tensorboard使用
钱彬的博客
05-21 4559
由于需要使用tensorboard，因此需要先安装tensorflow 主程序 main.py 文件如下： import torch import torch.nn as nn import torchvision from torchvision import transforms from logger import Logger # GPU设置 device = torch.dev...
class torch.distributions.multinomial.Multinomial()
weixin_42179158的博客
02-23 1101
class torch.distributions.multinomial.Multinomial(total_count=1, probs=None, logits=None, validate_args=None) 创建由 total_count 和 probs 或 logits （但不是两者）参数化的多项式分布。 参数： total_count -int-试验次数 probs -Tensor-事件概率 logits -Tensor-事件对数概率 注意： 1、当且仅当log_prob()被
ViT_pytorch 分类实例
12-26
以下是使用ViT_pytorch进行分类的示例： ```python import torch from vit_pytorch import ViT # 创建ViT实例 v = ViT( image_size=256, patch_size=32, num_classes=1000, dim=1024, depth=6, heads=16, mlp_dim=2048, dropout=0.1, emb_dropout=0.1 ) # 准备输入图像 img = torch.randn(1, 3, 256, 256) # 进行分类预测 preds = v(img) # (1, 1000) ``` 这个示例中，我们首先导入必要的库并安装vit-pytorch。然后，我们创建了一个ViT实例，并设置了一些参数，例如图像大小、补丁大小、类别数量等。接下来，我们准备输入图像，并将其传递给ViT实例进行分类预测。最后，我们得到了预测结果preds，它是一个形状为(1, 1000)的张量，表示对于给定图像的1000个类别的预测概率。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FocusOneThread

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值