torch.multinomial()方法解读

torch.multinomial() 是 PyTorch 库中的一个函数，它主要用于从给定的多项分布中抽取样本。这个函数对于进行随机抽样操作非常有用，特别是在处理概率分布和执行诸如强化学习、自然语言处理等任务时。

具体来说，torch.multinomial(input, num_samples, replacement=False, *, generator=None, out=None) 函数的参数意义如下：

input: 包含非负元素的张量，代表多项分布的概率值。每个元素都是对应类别的概率权重，通常需要对这个张量进行归一化处理，以确保所有元素之和为 1。
num_samples: 需要抽取的样本数量。这个值必须小于或等于input中的元素数量，除非设置了replacement=True，允许重复抽取。
replacement: 表示是否允许在抽取过程中替换。如果为True，则允许一个元素被多次抽取；如果为False，每个元素最多只能被抽取一次。
generator: 用于指定一个随机数生成器。
out: 用于指定输出张量。

例子：

import torch
a = torch.randn(5,4)

a = torch.exp(a)
a = a/a.sum(1,keepdim=True)  # 归一化

print(torch.multinomial(a,2)

out:
tensor([[1, 3],
        [1, 2],
        [1, 3],
        [0, 1],
        [3, 2]])
含义是，一共有5个样本（batch=5），列代表了每一类的概率；
在这里，一共有5个样本，每个样本有4个类别，我们根据概率
在针对每一个样本抽取2个类别！
本次呢：第一个样本抽取了第一个和第三个类别，
第二个样本抽取了第一个和第二个类别，
以此类推！！！