假设我们有一个logitTensor（形状：B，W，1），每个值代表一个需要采样的二进制预测，基于采样的输出，我想在网络中添加额外的维度（这也是一个离散操作）。然后，重构的数据Tensor被传递到网络的下一个组件中，依此类推。例如，如果采样是0，1，0，则到下一层（在网络中）的输入将是d1，d2，x.d3（其中，表示连接，d1，d2，d3是初始Tensor，x是基于采样引入（扩展）的）在此用例中是否有简单的方法应用Gumbel技巧等？在PyTorch中的解决方案将是伟大的！
jei2mxaa1#
我看不出这有什么用处，但这里有：
b, w, num_samples = 3, 5, 7 thresholds = torch.rand(b, w) noise = torch.randn(7,).view(1, 1, -1).expand(b, w, num_samples) # ( samples = (thresholds[:, :, None] > noise).long()
1条答案
按热度按时间jei2mxaa1#
我看不出这有什么用处，但这里有：