文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.RandomCategorical

class mindspore.ops.RandomCategorical(dtype=mstype.int64)

从分类分布中抽取样本。

警告

Ascend后端不支持随机数生成结果复现， seed 参数将失效。

参数：

• dtype (mindspore.dtype，可选) - 输出的类型。其值必须是mstype.int16、mstype.int32或mstype.int64。默认值： mstype.int64 。

输入：

• logits (Tensor) - 输入Tensor，是一个shape为 $(batch\mathrm{\_}size,num\mathrm{\_}classes)$ 的二维Tensor。

• num_sample (int) - 要抽取的样本数。只允许使用常量值。

• seed (int) - 随机种子值，仅支持常量值。默认值： 0 。

输出：

• output (Tensor) - 输出Tensor，其shape为 $(batch\mathrm{\_}size,num\mathrm{\_}samples)$ 。

异常：

• TypeError - 如果 dtype 不是mstype.int16、mstype.int32或mstype.int64。

• TypeError - 如果 logits 不是Tensor。

• TypeError - 如果 num_sample 或者 seed 不是int。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import nn, ops, Tensor
>>> class Net(nn.Cell):
...   def __init__(self, num_sample):
...     super(Net, self).__init__()
...     self.random_categorical = ops.RandomCategorical(mindspore.int64)
...     self.num_sample = num_sample
...   def construct(self, logits, seed=0):
...     return self.random_categorical(logits, self.num_sample, seed)
...
>>> x = np.random.random((10, 5)).astype(np.float32)
>>> net = Net(8)
>>> output = net(Tensor(x))
>>> result = output.shape
>>> print(result)
(10, 8)