torch.distributions.multinomial.Multinomial(total_count=1, probs=None, logits=None, validate_args=None)
看書看到這個函數不是很懂,搜尋發現連 torch API 都沒有很細緻地講,我最後的了解如下:
比方說以下面為例,這裡有幾個前提:
1、probs.sum() 為1
2、probs有幾個元素,我們就隻能往幾個位置擲骰子,這是限定的大前提
3、total_count就是投的次數。根據大數定律,投的次數越多,sample結果的分布機率越接近prob。