Python PyTorch Multinomial用法及代碼示例

本文簡要介紹python語言中 torch.distributions.multinomial.Multinomial 的用法。

用法:

class torch.distributions.multinomial.Multinomial(total_count=1, probs=None, logits=None, validate_args=None)

參數：

• total_count(int) -試驗次數

• 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 total_count 和 probs 或 logits(但不是兩者)參數化的多項分布。 probs 的最內部維度對類別進行索引。所有其他維度的批次索引。

請注意，如果僅調用log_prob()，則無需指定total_count(請參見下麵的示例)

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。

• sample() 需要一個共享的 total_count 用於所有參數和示例。

• log_prob() 允許每個參數和樣本使用不同的 total_count。

例子：

>>> m = Multinomial(100, torch.tensor([ 1., 1., 1., 1.]))
>>> x = m.sample()  # equal probability of 0, 1, 2, 3
tensor([ 21.,  24.,  30.,  25.])

>>> Multinomial(probs=torch.tensor([1., 1., 1., 1.])).log_prob(x)
tensor([-4.1338])