mindspore.ops.Multinomial
==========================

.. py:class:: mindspore.ops.Multinomial(seed=0, seed2=0, dtype=mstype.int32)

    返回从输入Tensor对应行进行多项式概率分布采样出的Tensor。

    .. note::
        - 输入的行不需要求和为1(在这种情况下,我们使用值作为权重),但必须是非负的、有限的,并且具有非零和。
        - 随机种子:通过一些复杂的数学算法,可以得到一组有规律的随机数,而随机种子就是这个随机数的初始值。随机种子相同,得到的随机数就不会改变。
        - 全局的随机种子和算子层的随机种子都没设置或都设置为0:完全随机。
        - 全局的随机种子设置了,算子层的随机种子未设置:采用全局的随机种子和0拼接。
        - 全局的随机种子未设置,算子层的随机种子设置了:使用0和算子层的随机种子拼接。
        - 全局的随机种子和算子层的随机种子都设置了:全局的随机种子和算子层的随机种子拼接。

    .. warning::
        Ascend后端不支持随机数重现功能, `seed0` 和 `seed2` 参数不起作用。

    参数:
        - **seed** (int,可选) - 算子层的随机种子,用于生成随机数。必须是非负的。默认值: ``0`` 。
        - **seed2** (int,可选) - 全局的随机种子,和算子层的随机种子共同决定最终生成的随机数。必须是非负的。默认值: ``0`` 。
        - **dtype** (mindspore.dtype,可选) - 输出数据类型,必须是int32或者int64,默认: ``mstype.int32`` 。

    输入:
        - **x** (Tensor) - 包含累加概率和的输入Tensor,必须是一维或二维。
        - **num_samples** (int) - 要抽取的样本数。

    输出:
        Tensor,具有与输入相同的行。每行的采样索引数为 `num_samples` 。

    异常:
        - **TypeError** - 如果 `seed` 或者 `seed2` 不是int类型。
        - **TypeError** - 如果 `num_sample` 不是int类型。
        - **TypeError** - 如果 `dtype` 不是int32或者int64类型。
        - **ValueError** - 如果 `seed` 或者 `seed2` 小于零。