torch.multinomial()

tensor.multinomial(1)是一个PyTorch中的函数，用于从多项式分布中抽取样本。

在使用该函数时，输入的tensor必须满足以下要求：

1. tensor的数据类型必须是浮点型（float或double），这是因为多项式分布的参数通常是实数。
2. tensor的维度必须是二维的，其中第一维表示每个样本的概率分布，第二维表示抽取的样本数。例如，如果要从五个类别中抽取三个样本，则tensor的形状应为(5, 3)。

举个例子，假设有一个包含五个类别的多项式分布，并想从中抽取三个样本，则可以按如下方式使用tensor.multinomial(1)函数：

import torch

# 定义一个包含五个类别的多项式分布
probs = torch.tensor([0.1, 0.2, 0.3, 0.25, 0.15])

# 将分布转化成二维形式
probs_2d = probs.view(1, -1)

# 抽取三个样本
samples = probs_2d.multinomial(3)

print(samples)


# tensor([[3, 2, 2]])

其中每个数字表示一个抽样结果，它对应着probs中的元素索引。在这个例子中，我们抽取了三个样本，其结果分别为第四、第三和第三个类别。