我们把从概率分布中抽取样本的过程称为抽样（sampling）。 笼统来说，可以把分布（distribution）看作是对事件的概率分配。 将概率分配给一些离散选择的分布称为多项分布（multinomial distribution）。
为了抽取一个样本，即掷骰子，我们只需传入一个概率向量。 输出是另一个相同长度的向量：它在索引𝑖处的值是采样结果中𝑖出现的次数。
print(torch.ones([6]))
fair_probs = torch.ones([6])/6
multinomial.Multinomial(3, fair_probs).sample()#实验一次并采样因此我们使用深度学习框架的函数同时抽取多个样本，得到我们想要的任意形状的独立样本数组。
multinomial.Multinomial(10, fair_probs).sample()
5万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
