【pytorch学习】torch.multinomial

温馨提示：为了大家能很好的理解这个**多项式分布采用**，这里建议先看下面的这段内容

至于什么是多项式分布，这里不再赘述，不懂的同学可以去这里学习

多项式分布采样实现逻辑

以下这段内容是来自这里，这里目的是为了学习，如有侵权，联系我删除。

思路：

将每个概率值对应到[0,1]区间内的各个子区间（概率值大小体现在子区间的长度上），每次采样时，按照均匀分布随机生成一个[0,1]区间内的值，其落到哪个区间，则该区间概率值对应的元素即为被采样的元素；

算法：

1、先对概率值从大到小排列（不是必要过程，是便于加速的技巧，这样每次查找时优先检测随机数是否落在大概率的区间内，减少比较次数）；

2、生成一个[0,1)区间内的随机数x （注意，Rand().nextDouble()得到的是[0,1)区间内的数，而wikipedia给出的算法中要求生成的是(0,1)区间的数）；

3、将x与概率值列表中的各值pi逐个比较，并累加已比较过的前i-1个概率值的累加和sum：

若x落在[sum, sum+pi)区间内，则pi对应的元素被采样并返回 （注意区间的开闭应该参考步骤2中的情况）；

否则，将pi累加入sum，继续将x与p(i+1)比较；

torch.multinomial

Parameters
	input (Tensor) – the input tensor containing probabilities
	num_samples (int) – number of samples to draw
	replacement (bool, optional) – whether to draw with replacement or not

参数说明

input ： 权重（概率矩阵），也就是取每个值的概率。这里可以是一维度的，也可以是一个矩阵。操作都是按照行的概率分布进行的采样的，前者输出的是一个向量（shape为num_samples ），后者输出的是一个矩阵（shape为rows_matrix X num_samples）
num_samples ： 采样的次数
**replacement (bool, optional) ：**默认值值是False(即不放回采样)

注意事项

如果replacement =False，则num_samples必须小于input中非零元素的数目（如果是矩阵，则必须小于输入每一行中非零元素的最小数目）
这里给出官网的记录

>>> 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, 4) # ERROR!
RuntimeError: invalid argument 2: invalid multinomial distribution (with replacement=False,
not enough non-negative category to sample) at ../aten/src/TH/generic/THTensorRandom.cpp:320
>>> torch.multinomial(weights, 4, replacement=True)
tensor([ 2,  1,  1,  1])