Python PyTorch Categorical用法及代碼示例

本文簡要介紹python語言中 torch.distributions.categorical.Categorical 的用法。

用法:

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

參數：

• probs(Tensor) -事件概率

• logits(Tensor) -事件日誌概率(未標準化)

基礎：torch.distributions.distribution.Distribution

創建由 probs 或 logits(但不是兩者)參數化的分類分布。

注意

它相當於 torch.multinomial() 從中采樣的分布。

樣本是來自 \{0, \ldots, K-1\} 的整數，其中 K 是 probs.size(-1) 。

如果 probs 是一維長度為 K ，則每個元素都是在該索引處對類進行采樣的相對概率。

如果 probs 是 N 維的，則前 N-1 維被視為一批相對概率向量。

注意

probs 參數必須是非負、有限且具有非零總和，並且沿最後一個維度將其歸一化為總和為 1。 probs 將返回此標準化值。 logits 參數將被解釋為非標準化對數概率，因此可以是任何實數。它同樣會被標準化，以便沿最後一個維度得到的概率總和為 1。 logits 將返回此標準化值。

另請參閱： 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)