Python PyTorch Independent用法及代码示例

本文简要介绍python语言中 torch.distributions.independent.Independent 的用法。

用法:

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

参数：

• base_distribution(torch.distributions.distribution.Distribution) -基础分布

• reinterpreted_batch_ndims(int) -重新解释为事件暗淡的批次暗淡数量

基础：torch.distributions.distribution.Distribution

将分布的一些批暗淡重新解释为事件暗淡。

这主要用于更改 log_prob() 结果的形状。例如，要创建与多元正态分布形状相同的对角正态分布(因此它们可以互换)，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,))]