Python PyTorch Independent用法及代碼示例

本文簡要介紹python語言中 torch.distributions.independent.Independent 的用法。

用法:

class torch.distributions.independent.Independent(base_distribution, reinterpreted_batch_ndims, validate_args=None)

參數：

• base_distribution(torch.distributions.distribution.Distribution) -基礎分布

• reinterpreted_batch_ndims(int) -重新解釋為事件暗淡的批次暗淡數量

基礎：torch.distributions.distribution.Distribution

將分布的一些批暗淡重新解釋為事件暗淡。

這主要用於更改 log_prob() 結果的形狀。例如，要創建與多元正態分布形狀相同的對角正態分布(因此它們可以互換)，您可以：

>>> loc = torch.zeros(3)
>>> scale = torch.ones(3)
>>> mvn = MultivariateNormal(loc, scale_tril=torch.diag(scale))
>>> [mvn.batch_shape, mvn.event_shape]
[torch.Size(()), torch.Size((3,))]
>>> normal = Normal(loc, scale)
>>> [normal.batch_shape, normal.event_shape]
[torch.Size((3,)), torch.Size(())]
>>> diagn = Independent(normal, 1)
>>> [diagn.batch_shape, diagn.event_shape]
[torch.Size(()), torch.Size((3,))]