Python PyTorch ContinuousBernoulli用法及代码示例

本文简要介绍python语言中 torch.distributions.continuous_bernoulli.ContinuousBernoulli 的用法。

用法:

class torch.distributions.continuous_bernoulli.ContinuousBernoulli(probs=None, logits=None, lims=(0.499, 0.501), validate_args=None)

参数：

• probs(数字,Tensor) -(0,1) 值参数

• logits(数字,Tensor) -sigmoid 匹配 ‘probs’ 的实值参数

基础：torch.distributions.exp_family.ExponentialFamily

创建由 probs 或 logits(但不是两者)参数化的连续伯努利分布。

分布在 [0, 1] 中受支持，并由 ‘probs’(在 (0,1) 中)或 ‘logits’(实值)参数化。请注意，与伯努利不同，‘probs’ 不对应概率，‘logits’ 不对应log-odds，但由于与伯努利相似，使用相同的名称。有关详细信息，请参阅 [1]。

例子：

>>> m = ContinuousBernoulli(torch.tensor([0.3]))
>>> m.sample()
tensor([ 0.2538])

[1] 连续伯努利：修复变分自动编码器中普遍存在的错误，Loaiza-Ganem G 和 Cunningham JP，NeurIPS 2019。https://arxiv.org/abs/1907.06845