torch.multinomial()

最新推荐文章于 2025-03-02 14:28:26 发布

物物不物于物

最新推荐文章于 2025-03-02 14:28:26 发布

阅读量3k

点赞数 1

文章标签： python 深度学习机器学习

本文链接：https://blog.csdn.net/qq_50799276/article/details/131055838

版权

文章介绍了PyTorch的tensor.multinomial(1)函数，用于从给定的多项式分布中抽取样本。输入的tensor必须是浮点型且二维，其中第一维表示概率分布，第二维表示样本数。举例说明了如何从五类分布中抽取三个样本，输出结果为对应的类别索引。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tensor.multinomial(1)是一个PyTorch中的函数，用于从多项式分布中抽取样本。

在使用该函数时，输入的tensor必须满足以下要求：

tensor的数据类型必须是浮点型（float或double），这是因为多项式分布的参数通常是实数。
tensor的维度必须是二维的，其中第一维表示每个样本的概率分布，第二维表示抽取的样本数。例如，如果要从五个类别中抽取三个样本，则tensor的形状应为(5, 3)。

举个例子，假设有一个包含五个类别的多项式分布，并想从中抽取三个样本，则可以按如下方式使用tensor.multinomial(1)函数：

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 = probs_2d.multinomial(3)

print(samples)


# tensor([[3, 2, 2]])

其中每个数字表示一个抽样结果，它对应着probs中的元素索引。在这个例子中，我们抽取了三个样本，其结果分别为第四、第三和第三个类别。