torch.multinomial

torch.multinomial(input, num_samples, replacement=False, *, generator=None, out=None)) → LongTensor

返回一个张量，其中每一行包含从对应的输入张量input的行中的多项式分布（更严格的定义是多元分布，参见torch.distributions.multinomial.Multinomial 获取更多详情）中抽取的num_samples个索引。

注意

input 的各行不必总和为一（在这种情况下，我们会将这些值作为权重使用），但是它们必须是非负数、有限值，并且总和不能为零。

索引按样本时间顺序从左到右排列（第一个样本放置在第一列）。

如果 input 是一个向量，那么 out 就是一个大小为 num_samples 的向量。

如果 input 是一个具有 m 行的矩阵，那么 out 将是一个形状为 $(m \times \text{num\_samples})$ 的矩阵。

如果 replacement 为 True，则抽样时允许重复。

如果不是，这些样本将不会被放回。也就是说，一旦为某一行抽取出一个样本索引，这个索引就再也不能用于同一行。

注意

当不放回抽取时，num_samples 必须小于 input 中非零元素的数量（如果是矩阵，则必须小于每行中非零元素的最小数量）。

参数

• input (Tensor) – 包含概率值的输入张量

• num_samples (int) – 抽取的样本数目

• replacement (bool, 可选) – 是否进行有放回的抽取

关键字参数

• generator (torch.Generator, 可选) – 用于样本采集的伪随机数生成器

• out (Tensor, 可选) – 指定输出张量。

示例：

>>> 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, 5) # ERROR!
RuntimeError: cannot sample n_sample > prob_dist.size(-1) samples without replacement
>>> torch.multinomial(weights, 4, replacement=True)
tensor([ 2,  1,  1,  1])