torch.distributions.log_normal 的源代码

# mypy: 允许未类型化定义
from 火炬 导入 张量
from torch.distributions 导入 约束
from torch.distributions.normal 导入 正态分布
from torch.distributions.transformed_distribution 导入 转换分布
from torch.distributions.transforms 导入 ExpTransform


全部 = [对数正态分布]


类 对数正态分布(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
```
创建一个由参数化的对数正态分布
attr:`loc` 和 :attr:`scale` 其中::

X ~ 正态分布(loc, scale)
Y = exp(X) ~ 对数正态分布(loc, scale)

示例::

>>> # xdoctest: +IGNORE_WANT("非确定性")
        >>> m = LogNormal(torch.tensor([0.0]), torch.tensor([1.0]))
>>> m.sample()  # 对数正态分布，均值为 0，标准差为 1
        tensor([ 0.1046])

参数：
loc (浮点数或张量)：分布对数的均值
scale (浮点数或张量)：分布对数的标准差
    """

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

    定义 __init__(self, 位置, 比例, 验证参数=无):
        基础分布 = 正态分布(位置, 比例, 验证参数=验证参数)
        超级().__init__(base_dist, 指数转换(), 验证参数=验证参数)

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

    @property
    定义 位置(self) 翻译 张量:
        return self.base_dist.定位

    @property
    定义 比例(self) 翻译 张量:
        返回 自我.基础分布.缩放

    @property
    定义 均值(自我) 翻译 张量:
        返回 (自我.定位 + 自我.比例.pow(2) / 2).exp()

    @property
    定义 模式(自我) 翻译 张量:
        返回 (自我.定位 - 自我.比例.平方()).exp()

    @property
    定义 方差(self) 翻译 张量:
        scale_sq = self.比例.pow(2)
        return scale_sq.expm1() * (2 * self.定位 + scale_sq).exp()

[文档]    def 熵(self):
返回 self.base_dist.熵() + self.loc