tensorflow中tf.multinomial函数的使用方法讲解

最新推荐文章于 2021-10-25 18:44:42 发布
最新推荐文章于 2021-10-25 18:44:42 发布
阅读量6.1k 收藏 3
点赞数 3
分类专栏： tensorflow 文章标签： tensorflow tf-multino
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/qq1483661204/article/details/78962940
版权

tf.multinomial(logits, num_samples, seed=None, name=None)
logits 大小为[batch，n_class]
num_samples 表示采样的个数
seed 随机种子数
name表示该op的名字

这个函数就是根据logits中每个类别的概率采样，这个概率可以不用归一化后的概率，也就是每个类的概率可以大于1，不需要所有类别概率和为1，我觉得它底层是会自动给我们归一化的，输出结果为[batch,num_samples]大小
表示在每个batch_size 上采样num_samples个数，他是根据logits中的概率来采样的
这个函数用在rnn的输出中比较多，

ML_BOY
关注
  • 3
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
tf.multinomial()用法解释
littlehaes的博客
09-22 1万+
tf.multinomial(logits, num_samples, seed=None, name=None) 看一个使用LSTM的代码，使用了这个函数，故学习下。 从multinomial分布中采样，样本个数是num_samples，每个样本被采样的概率由logits给出 logits: 2-D Tensor with shape [batch_size, num_classes]. Eac...
Tensorflow小技巧整理：tf.multinomial()采样
Cerisier的博客
01-25 4823
tf.multinomial() 做生成任务时，得到 decoder 最终的输出之后，就需要决策选如何利用得到的输出张量进行生成。tf.argmax()是最简单最粗暴的一种方法，直接选取概率最大的词汇作为输出。beam search 等算法的出现，使得生成的结果有了更多的可能性。最近看到一段代码，使用的是 tf.multinomial() 进行采样，也尝试用了一下。 tf.multinomial(...
tf.multinomial()函数的理解
Deep Learning and NLP Farm
03-07 674
import tensorflow as tf samples = tf.multinomial([[0.4, 0.6], [0.5, 0.7],[0.2, 0.1],[0.7, 0.8]], 1) with tf.Session() as sess: print(sess.run(samples)) 结果是： [[1] [0] [1] [0]] 注意结果并不是： [[1] [1] [0...
tensorflow离散采样tf.multinomial、tf.distributions.Categorical
qq_43015237的博客
10-25 527
#!/usr/bin/env python3 # -*- coding: utf-8 -*- # @Time : 2021/10/21 21:51 # @Author : XXX # @File : test_multinomial.py """ 记： logits: 为网络最后一层的输出，无激活函数 p = softmax(logits): 概率 log_p = log_softmax(logits) = log(p): log概率 结论： """ import tensorflow as tf
tf.multinomial用法详解
weixin_42713739的博客
12-26 994
def multinomial(logits, num_samples, seed=None, name=None, output_dtype=None) logits是一个二维张量，num_samples指的是采样的个数。 先上代码： a = tf.constant([1.,2.,3.,4.,5.,6.,7.,8.,9.]) b = tf.reshape(a,[1,9]) dede = tf....
[TensorFlow笔记乱锅炖] tf.multinomial(logits, num_samples)使用方法
aiwanghuan5017的博客
11-07 225
tf.multinomial(logits, num_samples) 第一个参数logits可以是一个数组，每个元素的值可以简单地理解为对应index的选择概率，注意这里的概率没有规定加起来的和为1。还需要注意的是所有概率不能全为0或全为1。 如果logits数组中有n个概率值，那么最后生成的数都在[0, n-1]之间。 假设logits有两个元素，即[0.6,0.5],这表示的意...
Tensorflow 中 RNN softmax输出层采样 tf.multinomial(logits, num_samples)
jasonzzj的博客
03-04 7623
Tensorflow 中，想要使用sequence to sequence 模型，在RNN的输出端采样(sampling)，可以在softmax层之后，做简单的log p 再用tf.multinomial()来实现： tf.multinomial(logits, num_samples, seed=None, name=None)例如： # samples has shape [1, 5
Excel中函数及函数功能汇总.pdf
07-10
Excel是Microsoft Office套件中的一款强大电子表格程序，它提供了丰富的函数功能，使得数据分析和处理变得更为便捷。本文将详细汇总Excel中的一些关键函数及其功能。 1. **查找和引用函数**： - `ADDRESS`：该函数...
multinomial-pmf:多项概率质量函数
07-08
多项式-pmf 多项概率质量函数安装 npm install multinomial-pmf用法 var multpmf = require ( 'multinomial-pmf' )multpmf ( [ 0.5 , 0.5 ] , [ 1 , 1 ] ) // coin toss: HT// 0.5multpmf ( [ 0.5 , 0.5 ] , [ 0 , 3...
make_QR_multinomial_new.rar_正交多项式
09-14
在这个文件中，可能包括了选择适当的权重函数、生成特定区间内的正交多项式基，以及可能的QR分解步骤等。 总的来说，这个压缩包包含的资源可以帮助我们理解和实现数值分析中的正交多项式构造，尤其是与插值点相关的...
EXCEL中函数的使用
06-24
关于excel一些函数的使用 LOG 工作表函数 按所指定的底数，返回一个数的对数 LOG10 工作表函数 返回以 10 为底的对数 MDETERM 工作表函数 返回一个数组的矩阵行列式的值 MINVERSE 工作表函数 返回数组矩阵的逆...
MATLAB函数和命令的用法.pdf
09-14
二项分布是伯努利分布的推广，当有多个互斥的事件时，可以使用多項式分布（multinomial distribution）进行建模。在实际应用中，例如产品质量控制、市场调查、遗传学研究等领域，二项分布及其相关函数都是进行数据...
TensorFlow random_crop和multinomial等方法学习
捉不住的鼬鼠的足迹
08-14 2253
在学习斯坦福大学TensorFlow教程第二节课（https://www.youtube.com/watch?v=9kC836XhICU&list=PLQ0sVbIj3URf94DQtGPJV629ctn2c1zN-&index=2）的时候，遇到几个随机数生成的方法，这里学习一下。 第一个是tf.random_normal()，该方法就是用正态分布产生随机数，默认是标准正态分布。...
tf.multinomial()/tf.random.categorical()用法解析
漫浸天空的雨色的备忘录~
08-18 5719
tf.multinomial()/tf.random.categorical()用法解析 首先说一下，tf.multinomial()在tensorflow2.0版本已经被移除，取而代之的就是tf.random.categorical() 网上的很多博客解释的都不清楚，官网......解释的也很模糊，于是想自我总结一下，顺便帮助对此也很困惑的人～ 因为tf.multinomial()被tf....
Multinomial distribution
人工智能
04-02 9217
From Wikipedia, the free encyclopedia Multinomial Parameters {\displaystyle n>0}0" style="border:0px; vertical-align:-0.338ex; display:inline-block; width:5.687ex; height:2.176ex"
tensorflow编程填坑笔记
liuyuemaicha的专栏
04-20 7002
1. tf.mul(a,b) 和 tf.matmul(a,b)tf.mul(a,b) 这里的矩阵a和矩阵b的shape必须相等 tf.mul()是矩阵的element-wise相乘（即Hadamard乘积） tf.matmul(a,b) 这里的矩阵a和矩阵b的shape应是a的行数对等与b的列数，tf.matmul()是矩阵的一般相乘。例子： a=tf.get_variable(“a”, [2,
2.2 multinomial variable
Zhang Junjian的专栏
11-07 800
多变量的Bernoulli distribution
目标检测 -- SSD (tensorflow 版) 逐行逐句解读
热门推荐
qq1483661204的博客
04-01 3万+
目标检测  -- SSD (tensorflow 版) 逐行逐句解读       这篇博客，主要是讲解SSD,tensorflow版的实现，代码地址是：SSD-tensorflow，大神写的代码，也是github上tensorflow版的SSD star 最多的代码，所以就用它来讲解，同时附上论文地址：SSD 论文下载     对照论文和代码讲解，代码中提供了SSD300和SSD512,代码一样，...
torch.multinomial函数
最新发布
11-16
`torch.multinomial()`函数是PyTorch中的一个函数，用于从多项式分布中抽取样本。多项式分布是一种离散概率分布，它描述了在一系列独立的重复试验中，每个试验有多个可能的结果，每个结果发生的概率是固定的，且每个试验之间的结果是相互独立的。在深度学习中，多项式分布通常用于对分类问题进行建模。 `torch.multinomial()`函数的语法如下： ```python torch.multinomial(input, num_samples, replacement=False, *, generator=None, out=None) -> LongTensor ``` 其中，参数`input`是一个张量，表示多项式分布的概率分布。参数`num_samples`是一个整数，表示要抽取的样本数量。参数`replacement`是一个布尔值，表示是否进行有放回的抽样。如果为`True`，则进行有放回的抽样；如果为`False`，则进行无放回的抽样。参数`generator`是一个随机数生成器，用于生成随机数。参数`out`是一个输出张量，用于存储抽样结果。 以下是一个使用`torch.multinomial()`函数从多项式分布中抽取样本的例子： ```python import torch # 定义一个包含五个类别的多项式分布 probs = torch.tensor([0.1, 0.2, 0.3, 0.25, 0.15]) # 将分布转化成二维形式 probs_2d = probs.view(1, -1) # 抽取三个样本 samples = torch.multinomial(probs_2d, 3) print(samples) # tensor([[2, 3, 2]]) ``` 上述代码中，我们首先定义了一个包含五个类别的多项式分布，然后将其转化成二维形式。接着，我们使用`torch.multinomial()`函数从中抽取了三个样本，并将结果存储在`samples`张量中。最后，我们输出了`samples`张量的值。
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
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