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。