＜class ‘torch.distributions.categorical.Categorical‘＞中属性probs和logits的计算方式

distribution = Categorical(probs: torch.Size([2]))的
probs属性是通过代码distribution = Categorical(…)传入的张量，
logits属性是对probs值求的以e为底的对数。

举个例子：

1. output是张量：tensor([-0.0496, -0.0827], grad_fn=<AddBackward0>)
2. 对output做softmax（也就是把-0.0496和-0.0827分别作为z1和z2代入下式）得到：tensor([0.5083, 0.4917], grad_fn=<SoftmaxBackward0>)
   
3. 将softmax结果用于初始化Categorical类对象，得到的对象属性分别为
   probs = tensor([0.5083, 0.4917], grad_fn=<DivBackward0>)
   logits = tensor([-0.6767, -0.7099], grad_fn=<LogBackward0>)
   其中，ln(0.5083)=-0.6767，ln(0.4917)=-0.7099

另一个例子：

更多资料：
https://blog.csdn.net/ldy007714/article/details/126143903
https://blog.csdn.net/HaoZiHuang/article/details/126356668

官方链接：
说明：
https://pytorch.org/docs/stable/distributions.html?highlight=categorical#torch.distributions.categorical.Categorical
源码：
https://pytorch.org/docs/stable/_modules/torch/distributions/categorical.html#Categorical

部分函数的chatGPT解释：
entropy函数：

log_prob函数：