Python mxnet.symbol.op.sample_multinomial用法及代码示例

用法:
mxnet.symbol.op.sample_multinomial(data=None, shape=_Null, get_prob=_Null, dtype=_Null, name=None, attr=None, out=None, **kwargs)

参数：

data：(Symbol) - 分布概率。最后一个轴上的总和必须为 1。
shape：(Shape(tuple), optional, default=[]) - 要从每个随机分布中采样的形状。
get_prob：(boolean, optional, default=0) - 是否也返回采样结果的对数概率。这通常用于通过随机变量进行区分，例如在强化学习中。
dtype：({'float16', 'float32', 'float64', 'int32', 'uint8'},optional, default='int32') - 输出的 DType，以防无法推断。
name：(string, optional.) - 结果符号的名称。

结果符号。

返回类型：

Symbol

来自多个多项分布的并发采样。

data 是一个 n 维数组，其最后一维的长度为 k ，其中 k 是每个多项分布的可能结果数。此运算符将从每个分布中抽取 shape 样本。如果 shape 为空，将从每个分布中抽取一个样本。

如果get_prob 为真，则还将返回包含抽取样本的对数似然的第二个数组。这通常用于强化学习，您可以提供奖励作为该数组的头部梯度来估计梯度。

请注意，输入分布必须标准化，即 data 必须沿其最后一个轴总和为 1。

例子：

probs = [[0, 0.1, 0.2, 0.3, 0.4], [0.4, 0.3, 0.2, 0.1, 0]]

// Draw a single sample for each distribution
sample_multinomial(probs) = [3, 0]

// Draw a vector containing two samples for each distribution
sample_multinomial(probs, shape=(2)) = [[4, 2],
                                        [0, 0]]

// requests log likelihood
sample_multinomial(probs, get_prob=True) = [2, 1], [0.2, 0.3]

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.symbol.op.sample_multinomial。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

返回类型：