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-probelems[tf.cast(samples[0][0], tf.int32)].eval()Out: 1elems[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。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)