Pytorch 随机抽样
设定生成随机数的种子，并返回一个 torch._C.Generator 对象：
torch.manual_seed(seed)
参数：seed(intor long) - 种子
返回生成随机数的原始种子值：
torch.initial_seed()
返回随机生成器状态
torch.get_my_state()
设定随机生成器状态，参数：new_state(torch.ByteTensor) - 期望的状态
torch.set_my_state(new_state)[source]
从伯努力分布中抽取二元随机数(0 或者 1)
输入张量须包含用于抽取上述二元随机值的概率。输入中的所有值都必须在[0, 1]区间
torch.bernoulli(input, out=None) ->Tensor
参数：
- input(Tensor) - 输入为伯努利分布的概率值
- out(Tensor, optional) - 输出张量（可选）
从指定的 input 张量的行中抽取指定 num_samples 个样本
torch.multinomial(input, num_samples, replacement=False, out=None) ->Tensor
输入 input 每行的值不需要总和是 1，但是必须非负且总和不能为 0。
当抽取样本时,依次从左到右排列(第一个样本对应第一列)。如果输入 input 是一个向量，输出 out 也是一个相同长度 num_samples 的向量。
如果输入 input 是有 m 行的矩阵,输出 out 是形如 m×n 的矩阵。
如果参数 replacement 为 True, 则样本抽取可以重复。否则,一个样本在每行不能被重复抽取。
参数 num_samples 必须小于 input 长度(即,input 的列数,如果是 input 是一个矩阵)。
参数：
- input (Tensor) – 包含概率值的张量
- num_samples (int) – 抽取的样本数
- replacement (bool, optional) – 布尔值,决定是否能重复抽取
- out (Tensor, optional) – 结果张量
从离散正态分布中抽取随机数
torch.normal(means, std, out=None)
# 均值 means 是一个张量，包含每个输出元素相关的正太分布的均值。std是一个张量，包含每个输出元素相关的正太分布的标准差
参数：
- means(Tensor) - 均值
- std(Tensor) - 标准差
- out(Tensor) - 可选的输出张量
torch.normal(mean=0.0, std, out=None)
与上面函数类似，所有抽取的样本共享均值。
参数：
- means(Tensor, optional) - 所有分布均值
- std(Tensor) - 每个元素的标准差
- out(Tensor) - 可选的输出张量
例子：
torch.normal(mean, std=1.0, out=None)
与上面函数类似，所有抽取的样本共享标准差。
- means(Tensor, optional) - 每个元素的均值
- std(Tensor) - 所有分布的标准差
- out(Tensor) - 可选的输出张量
例子：
