mindspore.ops.Multinomial

class mindspore.ops.Multinomial(seed=0, seed2=0, dtype=mstype.int32)[源代码]

返回从输入Tensor对应行进行多项式概率分布采样出的Tensor。

说明

  • 输入的行不需要求和为1(在这种情况下,我们使用值作为权重),但必须是非负的、有限的,并且具有非零和。

  • 随机种子:通过一些复杂的数学算法,可以得到一组有规律的随机数,而随机种子就是这个随机数的初始值。随机种子相同,得到的随机数就不会改变。

  • 全局的随机种子和算子层的随机种子都没设置或都设置为0:完全随机。

  • 全局的随机种子设置了,算子层的随机种子未设置:采用全局的随机种子和0拼接。

  • 全局的随机种子未设置,算子层的随机种子设置了:使用0和算子层的随机种子拼接。

  • 全局的随机种子和算子层的随机种子都设置了:全局的随机种子和算子层的随机种子拼接。

参数:
  • seed (int,可选) - 算子层的随机种子,用于生成随机数。必须是非负的。默认值: 0

  • seed2 (int,可选) - 全局的随机种子,和算子层的随机种子共同决定最终生成的随机数。必须是非负的。默认值: 0

  • dtype (mindspore.dtype,可选) - 输出数据类型,必须是int32或者int64,默认: mstype.int32

输入:
  • x (Tensor) - 包含累加概率和的输入Tensor,必须是一维或二维。

  • num_samples (int) - 要抽取的样本数。

输出:

Tensor,具有与输入相同的行。每行的采样索引数为 num_samples

异常:
  • TypeError - 如果 seed 或者 seed2 不是int类型。

  • TypeError - 如果 num_sample 不是int类型。

  • TypeError - 如果 dtype 不是int32或者int64类型。

  • ValueError - 如果 seed 或者 seed2 小于零。

支持平台:

Ascend GPU CPU

样例:

>>> x = Tensor([[0., 9., 4., 0.]], mstype.float32)
>>> multinomial = ops.Multinomial(seed=10)
>>> output = multinomial(x, 2)
>>> print(output)
[[1 1]]