Python PyTorch Categorical用法及代码示例

本文简要介绍python语言中 torch.distributions.categorical.Categorical 的用法。

用法:

class torch.distributions.categorical.Categorical(probs=None, logits=None, validate_args=None)

参数：

• probs(Tensor) -事件概率

• logits(Tensor) -事件日志概率(未标准化)

基础：torch.distributions.distribution.Distribution

创建由 probs 或 logits(但不是两者)参数化的分类分布。

注意

它相当于 torch.multinomial() 从中采样的分布。

样本是来自 \{0, \ldots, K-1\} 的整数，其中 K 是 probs.size(-1) 。

如果 probs 是一维长度为 K ，则每个元素都是在该索引处对类进行采样的相对概率。

如果 probs 是 N 维的，则前 N-1 维被视为一批相对概率向量。

注意

probs 参数必须是非负、有限且具有非零总和，并且沿最后一个维度将其归一化为总和为 1。 probs 将返回此标准化值。 logits 参数将被解释为非标准化对数概率，因此可以是任何实数。它同样会被标准化，以便沿最后一个维度得到的概率总和为 1。 logits 将返回此标准化值。

另请参阅： torch.multinomial()

例子：

>>> m = Categorical(torch.tensor([ 0.25, 0.25, 0.25, 0.25 ]))
>>> m.sample()  # equal probability of 0, 1, 2, 3
tensor(3)