代码收藏家 使用PyTorch的torch.random.choice从张量中高效抽取随机样本
要使用torch.random.choice从张量中抽取随机样本，您可以按照以下步骤进行操作：
- 导入PyTorch库：
import torch
- 创建一个张量（例如一维张量）：
x = torch.tensor([1, 2, 3, 4, 5])
- 使用torch.random.choice从张量中抽取随机样本：
# 从张量x中以概率均匀抽取3个样本，replace=False表示不替换抽取
samples = torch.tensor(torch.random.choice(x, size=(3,), replace=False))
在这个示例中，我们从张量x中以概率均匀地抽取3个不重复的样本。您可以根据需要调整抽样数量和替换参数。
通过这样的步骤，您就可以使用torch.random.choice从PyTorch张量中抽取随机样本。
支持多维张量
torch.random.choice方法支持多维张量。您可以在多维张量上使用torch.random.choice来从中抽取随机样本，只需稍微调整抽样的方式。
下面是一个示例，演示了如何在多维张量上使用torch.random.choice进行随机抽样：
import torch
创建一个二维张量
x = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
沿着第一个维度（行）从张量x中以概率均匀抽取2个样本，replace=False表示不替换抽取
samples = torch.tensor(torch.random.choice(x, size=(2,), dim=0, replace=False))
print(samples)
在这个示例中，我们创建了一个二维张量x，并使用torch.random.choice沿着第一个维度（行）从中抽取了2个不重复的样本。
因此，torch.random.choice在处理多维张量时可以通过指定dim参数来确定在哪个维度上进行抽样。
以上就是文章全部内容了，如果喜欢这篇文章的话，还希望三连支持一下，感谢！
作者：小纯洁w
