torch.distributions.gumbel 的源代码

# mypy: 允许未类型化定义
导入 数学

导入 火炬
from 火炬 导入 张量
from torch.distributions 导入 约束
from torch.distributions.transformed_distribution 导入 转换分布
from torch.distributions.transforms 导入 变换矩阵, ExpTransform
from torch.distributions.uniform 导入 Uniform
from torch.distributions.utils 导入 广播全部, 欧拉常数
from torch.types 导入 数值


全部 = ["Gumbel"]


类 Gumbel(转换分布):
    r```python
# 假设输入文本为：
input_text = """Immersive Translate"""

# 翻译函数（此处仅为示例，实际翻译功能需要调用真实的翻译 API）
def translate_to_simplified_chinese(text):
    # 这里应该调用真实的翻译 API 进行翻译
    # 由于示例中不使用真实的 API，以下为模拟翻译结果
    return text  # 假设翻译结果与原文相同

# 输出翻译结果
translated_text = translate_to_simplified_chinese(input_text)
print(translated_text)
```

输出：
```
Immersive Translate
```
来自 Gumbel 分布的样本。

示例：

>>> # xdoctest: +IGNORE_WANT("非确定性")
        >>> m = Gumbel(torch.tensor([1.0]), torch.tensor([2.0]))
>>> m.sample()  # 从 Gumbel 分布中采样，位置参数为 1，尺度参数为 2
        tensor([ 1.0124])

参数：
loc (float 或 Tensor): 分布的位置参数
scale (float 或 Tensor): 分布的尺度参数
    """

    约束参数 = {"loc": 约束.真实, "缩放": 约束.正的}
    支持 = 约束.真实

    定义 __init__(自我, 位置, 比例, 验证参数=无):
        自我.位置, 自我.缩放 = 广播全部(位置, 比例)
        信息 = 火炬.finfo(自我.位置.数据类型)
        如果 isinstance(位置, 数) 和 isinstance(比例, 数):
            基础距离 = 均匀分布(finfo.微小。, 1 - finfo.eps, 验证参数=验证参数)
        else:
            基础距离 = 均匀分布(
                火炬.完全一样(自我.位置, finfo.微小。),
                火炬.完全一样(自我.位置, 1 - finfo.eps),
                验证参数=验证参数,
            )
        转换 = [
            指数转换().涉及,
            变换矩阵(位置=0, 比例=-火炬.喜欢的(自我.比例)),
            指数转换().涉及,
            变换矩阵(位置=位置, 比例=-自我.比例),
        ]
        超级().__init__(base_dist, 变换, 验证参数=验证参数)

[文档]    def expand(self, batch_shape, _instance=None):
new = self._get_checked_instance(Gumbel, _instance)
new.loc = self.loc.expand(batch_shape)
new.scale = self.scale.expand(batch_shape)
return super().expand(batch_shape, _instance=new)

    明确定义 Gumbel 的对数概率函数，以解决精度问题
[文档]    def log_prob(self, value):
if self._validate_args:
self._validate_sample(value)
y = (self.loc - value) / self.scale
return (y - y.exp()) - self.scale.log()

    @property
    定义 均值(自我) 翻译 张量:
        返回 自我.定位 + 自我.缩放 * 欧拉常数

    @property
    定义 模式(自我) 翻译 张量:
        返回 自我.定位

    @property
    定义 标准差(自我) 翻译 张量:
        返回 (数学.圆周率 / 数学.平方根(6)) * 自我.缩放

    @property
    定义 方差(自我) 翻译 张量:
        返回 自我.标准差.pow(2)

[文档]    def 熵(self):
return self.scale.log() + (1 + 欧拉常数)