資料結構
網路
關係型資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝學
法學如何在 PyTorch 中從伯努利分佈中抽取二進位制隨機數（0 或 1）？
要從伯努利分佈中抽取二進位制隨機數（0 或 1），我們應用 **torch.bernoulli()** 方法。此方法的輸入是一個 torch 張量，包含抽取 1 的機率。這些機率用於抽取二進位制隨機數（0 或 1）。
由於輸入張量包含機率，因此所有元素都應在 [0,1] 範圍內。它返回一個張量，其元素（0 或 1）是從具有輸入機率的伯努利分佈中隨機選擇的。
語法
torch.bernoulli(input)
其中，引數 **input** 是一個 torch 張量，包含抽取 1 的機率。這些機率用於從伯努利分佈中抽取元素。
步驟
我們可以使用以下步驟從伯努利分佈中抽取二進位制隨機數（0 或 1）：
匯入所需的庫。在以下所有示例中，所需的 Python 庫是 **torch**。確保你已安裝它。
import torch
定義一個機率的 torch 張量 **input**。我們將 **input** 元素定義在 0 和 1 之間。
input = torch.randn(5,5).uniform_(0,1)
計算 **torch.bernoulli(input)** 以從伯努利分佈中抽取二進位制隨機數（0 或 1）。
random_numbers = torch.bernoulli(input)
列印計算出的隨機數張量。
print(random_numbers)
示例 1
import torch # define tensor containing the probabilities to be # used for drawing the binary random number. t = torch.randn(5,5).uniform_(0,1) print(t) # generate random numbers (0,1) from Bernoulli # distribution using above probabilities random_numbers = torch.bernoulli(t) print(random_numbers)
輸出
tensor([[0.0080, 0.2254, 0.2143, 0.8664, 0.9297], [0.5881, 0.7574, 0.9916, 0.6557, 0.7281], [0.0656, 0.9466, 0.6378, 0.1693, 0.3333], [0.9914, 0.9468, 0.6381, 0.6448, 0.4003], [0.4401, 0.1261, 0.0787, 0.9409, 0.2434]]) tensor([[0., 0., 0., 0., 1.], [0., 1., 1., 1., 1.], [0., 1., 1., 1., 0.], [1., 1., 0., 1., 0.], [0., 0., 0., 1., 0.]])
請注意，我們使用 **.uniform_(0,1)** 生成機率的輸入張量。它生成 [0,1] 範圍內的數字。
示例 2
# Import the required library import torch # define tensor containing the probabilities to be # used for drawing the binary random number. t = torch.randn(2,4,4).uniform_(0,1) print(t) # generate random numbers (0,1) from Bernoulli # distribution using above probabilities random_numbers = torch.bernoulli(t) print(random_numbers)
輸出
tensor([[[0.5937, 0.5897, 0.9741, 0.2749], [0.5659, 0.9343, 0.7971, 0.4183], [0.4684, 0.4700, 0.0858, 0.1492], [0.9859, 0.4440, 0.0871, 0.4186]], [[0.1498, 0.5788, 0.7917, 0.4689], [0.2375, 0.7465, 0.0773, 0.3620], [0.6607, 0.0263, 0.4370, 0.9952], [0.0920, 0.5408, 0.7088, 0.2246]]]) tensor([[[1., 1., 1., 0.], [1., 1., 1., 0.], [0., 1., 0., 0.], [1., 0., 0., 1.]], [[0., 1., 1., 0.], [0., 0., 0., 0.], [1., 0., 1., 1.], [0., 0., 0., 0.]]])
示例 3
import torch a = torch.ones(3, 3) # probability of drawing "1" is 1 print(a) print(torch.bernoulli(a)) b = torch.zeros(3, 3) # probability of drawing "1" is 0 print(b) print(torch.bernoulli(b))
輸出
tensor([[1., 1., 1.], [1., 1., 1.], [1., 1., 1.]]) tensor([[1., 1., 1.], [1., 1., 1.], [1., 1., 1.]]) tensor([[0., 0., 0.], [0., 0., 0.], [0., 0., 0.]]) tensor([[0., 0., 0.], [0., 0., 0.], [0., 0., 0.]])
更新於： 2022年1月27日
1K+ 瀏覽量
廣告