torch.distributions.exponential 的源代码

# mypy: 允许未类型化定义
导入 火炬
来自 火炬 导入 张量
来自 torch.distributions 导入 约束
来自 torch.distributions.exp_family 导入 指数族
来自 torch.distributions.utils 导入 广播全部
来自 torch 的类型 导入 数, _大小


全部 = [指数]


类 指数(指数族):
    r""
创建一个由 :attr:`rate` 参数化的指数分布。

示例::

>>> # xdoctest: +IGNORE_WANT("非确定性")
        >>> m = Exponential(torch.tensor([1.0]))
>>> m.sample()  # 指数分布，速率为 1
        tensor([ 0.1046])

参数：
率（浮点数或张量）：rate = 分布的尺度倒数
"沉浸式翻译"

    约束参数 = {率: 约束.正面}
    支持 = 约束.非负
    has_rsample = 真实
    _平均载波测量 = 0

    @property
    def 均值(self) -> 张量:
        返回 self.率.相互()

    @property
    def 模式(self) -> 张量:
        返回 torch.等于零的(self.速率)

    @property
    def 标准差(self) -> 张量:
        返回 self.速率.相互()

    @property
    def 方差(self) -> 张量:
        返回 self.速率.pow(-2)

    def __init__(self, 速率, 验证参数=无):
        (self.速率,) = 广播全部(速率)
        批量形状 = torch.尺寸() 如果 isinstance(速率, 数) 否则 我.rate.尺寸()
        超级().__init__(批量形状, 验证参数=验证参数)

[文档]    def expand(self, batch_shape, _instance=None):
new = self._get_checked_instance(Exponential, _instance)
batch_shape = torch.Size(batch_shape)
new.rate = self.rate.expand(batch_shape)
super(Exponential, new).__init__(batch_shape, validate_args=False)
new._validate_args = self._validate_args
return new

[文档]    def rsample(self, sample_shape: _size = torch.Size()):
shape = self._extended_shape(sample_shape)
return self.rate.new(shape).exponential_() / self.rate

[文档]    def log_prob(self, value):
if self._validate_args:
self._validate_sample(value)
return self.rate.log() - self.rate * value

[文档]    def cdf(self, value):
if self._validate_args:
self._validate_sample(value)
return 1 - torch.exp(-self.rate * value)

[文档]    def icdf(self, value):
return -torch.log1p(-value) / self.rate

[文档]    def entropy(self):
return 1.0 - torch.log(self.rate)

    @property
    定义 自然参数(自身) -> 元组[张量]
        返回 (-自身.rate,)

    定义 对数归一化器(自身, x):
        返回 -torch.日志(-x)