Tensorflow中的numpy随机选择
Tensorflow中是否有等效于numpy随机选择的函数。在numpy中，我们可以从给定列表中随机获得一个项目及其权重。
np.random.choice([1,2,3,5], 1, p=[0.1, 0, 0.3, 0.6, 0])
此代码将从给定列表中选择一个权重为p的项。
问题答案：
不，但是您可以使用tf.multinomial获得相同的结果：
elems = tf.convert_to_tensor([1,2,3,5])
samples = tf.multinomial(tf.log([[1, 0, 0.3, 0.6]]), 1) # note log-prob
elems[tf.cast(samples[0][0], tf.int32)].eval()
Out: 1
elems[tf.cast(samples[0][0], tf.int32)].eval()
Out: 5
该[0][0]部分在这里，正如multinomial预期的那样，该批次中每个元素的行都有未归一化的对数概率，并且对于样本数量还具有另一个维度。
-
问题内容： 我有两个相关的numpy数组和。我需要从中选择随机行，并将其存储在数组中，并将其对应的值附加到随机选择的点的索引上。 我有另一个数组，它存储我不想采样的索引列表。 我怎样才能做到这一点？ 样本数据： 如果这些是随机选择的（其中）： 所需的输出将是： 我怎样才能做到这一点？ 问题答案： 您可以使用以下方法创建随机索引： 然后，您只需要使用结果索引数组：
-
numpy.random 模块对 Python 内置的 random 进行了补充，增加了一些用于高效生成符合多种概率分布的样本值的函数。这一小节将详述如何用 Numpy 快速创建随机数矩阵。 1. 创建符合均匀分布的随机数组 1.1 numpy.random.rand 函数 numpy.random.rand 函数通常用来创建一个服从 “0~1” 均匀分布的随机浮点数（组），随机样本取值范围是[0
-
我想看看哪个随机数生成器包在我的神经网络中更快。 我目前正在更改github的一个代码，其中两个都是numpy。随机和随机包用于生成随机整数、随机选择、随机样本等。 我之所以更改此代码，是因为出于研究目的，我希望设置一个全局种子，以便能够比较超参数不同设置的精度性能。问题是，现在我必须为随机包和numpy包设置两个全局种子。理想情况下，我只想设置一个种子，因为来自两个随机数生成器序列的图形可能会更
-
问题内容： 我有一个很大的数组，其中每一行都是一个时间序列，因此需要保持秩序。 我想为每行选择一个给定大小的随机窗口。 在我看来，理想的解决方案是： 但不幸的是，这不起作用 我现在要进行的操作非常慢： 当然，我可以对列表进行理解（并获得最小的速度提升），但是我想知道是否有某种超级聪明的numpy向量化方法可以做到这一点。 问题答案： 这是一种杠杆作用- 在具有行的更大数组上进行运行时测试-
-
问题内容： 我想从集合中选择一个随机项目，但是选择任何项目的机会应与相关的权重成比例 输入示例： 因此，如果我有4种可能的物品，那么没有重量的任何一件物品的机会将是四分之一。 在这种情况下，用户遭受痛苦之剑的可能性应该是三刃剑的十倍。 如何在Java中进行加权随机选择？ 问题答案： Apache Commons中现在有一个用于此的类： 这里是，像（假设Item接口阿恩的答案）： 或在Java 8中
-
问题 你想从一个序列中随机抽取若干元素，或者想生成几个随机数。 解决方案 random 模块有大量的函数用来产生随机数和随机选择元素。 比如，要想从一个序列中随机的抽取一个元素，可以使用 random.choice() ： >>> import random >>> values = [1, 2, 3, 4, 5, 6] >>> random.choice(values) 2 >>> random