python加权随机库_加权随机采样WeightedRandomSampler

其实在WeightedRandomSampler中，采样的权重针对的是每一个样本，所以我们可以确定好每个类对应的权重，再一一对应到样本上。并且，权重其实就是比值，num_samples就是一次采样的数目，里面的比值其实就是权重的比值。

class WeightedRandomSampler(Sampler):

r"""Samples elements from ``[0,..,len(weights)-1]`` with given probabilities (weights)."""

def __init__(self, weights, num_samples, replacement=True):

# ...省略类型检查

# weights用于确定生成索引的权重

self.weights = torch.as_tensor(weights, dtype=torch.double)

self.num_samples = num_samples

# 用于控制是否对数据进行有放回采样

self.replacement = replacement

def __iter__(self):

# 按照加权返回随机索引值

return iter(torch.multinomial(self.weights, self.num_samples, self.replacement).tolist())

对于Weighted Random Sampler类的__init__()来说，replacement参数依旧用于控制采样是否是有放回的；num_sampler用于控制生成的个数；

weights参数对应的是“样本”的权重