torch.multinomial

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

Возвращает тензор, в каждой строке которого содержатся num_samples индексов, выбранных из мультиномиального распределения вероятностей (более строгое определение — многомерное распределение; подробности см. в torch.distributions.multinomial.Multinomial), заданного соответствующей строкой тензора input.

Примечание

Сумма значений в строках input не обязательно должна равняться единице (в этом случае значения используются как веса), но они должны быть неотрицательными, конечными, а их сумма должна быть ненулевой.

Индексы упорядочены слева направо в соответствии с порядком их выбора (первые выбранные индексы помещаются в первый столбец).

Если input — вектор, out — вектор размера num_samples.

Если input — матрица с m строками, out — матрица формы $(m \times \text{num\_samples})$.

Если параметр replacement равен True, выборка производится с возвращением.

В противном случае выборка производится без возвращения: выбранный для строки индекс не может быть выбран для этой строки повторно.

Примечание

При выборке без возвращения значение num_samples должно быть меньше количества ненулевых элементов в input (или минимального количества ненулевых элементов в каждой строке input, если это матрица).

Параметры:

• input (Tensor) – входной тензор, содержащий вероятности
• num_samples (int) – количество выбираемых элементов
• replacement (bool, необязательно) – выполнять ли выборку с возвращением

Именованные аргументы:

• generator (torch.Generator, необязательно) – генератор псевдослучайных чисел для выборки
• out (Tensor, необязательно) – выходной тензор.

Пример:

>>> 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])