pytorch 重复采样 与 非重复采样

本文介绍了PyTorch中的WeightedRandomSampler,并着重讨论了'replace'参数如何影响数据的重复采样。通过设置'replace'为True或False,可以控制训练过程中样本的重复与否。
摘要由CSDN通过智能技术生成
import torch
import torch.nn.functional as F
from torch.autograd import *

a = Variable(torch.FloatTensor([[0,0,0,0,0,0,90,100]]))
b=F.softmax(a,-1)

print(b.multinomial()) # 76
print(b.multinomial(2)) # 6,77,6
print(b.multinomial(2,True)) # 7,
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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