tf.multinomial用法详解

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.math.log(x=b,name='xx')
samples = tf.multinomial(dede, 100)
with tf.Session() as sess:
    print('b: ', sess.run(b))
    print('dede: ', sess.run(dede))
    wqw = sess.run(samples)
    print('wqw: ', wqw)

d = {}
for i in wqw[0]:
    if 'class'+str(i) in list(d.keys()):
        d['class' + str(i)] += 1
    else:
        d['class' + str(i)] = 1

print(d)
for i in range(len(d)):
    print('class%d'%i,d['class%d'%i])

输出结果：

b:  [[1. 2. 3. 4. 5. 6. 7. 8. 9.]]

dede:  [[0.        0.6931472 1.0986123 1.3862944 1.609438  1.7917595 1.9459102
  2.0794415 2.1972246]]
  
wqw:  [[6 3 7 6 3 8 5 7 7 8 5 7 0 7 6 6 4 7 8 7 8 0 2 7 7 8 6 6 6 3 4 5 6 4 5 7
  6 0 8 4 7 4 7 5 1 8 7 7 7 4 0 4 4 8 5 4 4 8 7 3 7 7 8 6 6 2 5 4 7 5 4 6
  7 8 6 8 8 8 6 6 6 8 8 8 4 5 5 6 5 5 8 4 8 5 0 0 6 2 7 5]]
  
{'class8': 19, 'class4': 14, 'class7': 21, 'class1': 1, 'class0': 6, 'class3': 4, 'class2': 3, 'class6': 18, 'class5': 14}

class0 6
class1 1
class2 3
class3 4
class4 14
class5 14
class6 18
class7 21
class8 19

multinomial对概率分布dede进行采样，采样100个，wqw 的值：每一次采样，采的是dede的值对应的位置。比如：wqw的第一个值6 指的就是dede位置6的值，也就是1.9459102。

{‘class8’: 19, ‘class4’: 14, ‘class7’: 21, ‘class1’: 1, ‘class0’: 6, ‘class3’: 4, ‘class2’: 3, ‘class6’: 18, ‘class5’: 14}从这可以看出，dede位置8的值被采了19次，位置4的值被采了14次。。。。。。。。