torch.distributions.multinomial.Multinomial(total_count=1, probs=None, logits=None, validate_args=None)
看书看到这个函数不是很懂,搜索发现连 torch API 都没有很细致地讲,我最后的理解如下:
比方说以下面为例,这里有几个前提:
1、probs.sum() 为1
2、probs有几个元素,我们就只能往几个位置掷骰子,这是限定的大前提
3、total_count就是投的次数。根据大数定律,投的次数越多,sample结果的分布概率越接近prob。