torch.distributions.poisson 的源代码

# mypy: 允许未类型化定义
导入 火炬
from 火炬 导入 张量
from torch.distributions 导入 约束
from torch.distributions.exp_family 导入 指数族
from torch.distributions.utils 导入 广播全部
from torch.types 导入 数值


全部 = [泊松]


类 泊松(指数族):
    r""
创建一个由 :attr:`rate` 率参数指定的泊松分布。

样本是非负整数，其概率质量函数（pmf）为

    .. math::
      \mathrm{rate}^k \frac{e^{-\mathrm{rate}}}{k!}

示例::

        >>> # xdoctest: +SKIP("poisson_cpu not implemented for 'Long'")
        >>> m = Poisson(torch.tensor([4]))
        >>> m.sample()
        tensor([ 3.])

参数：
速率（数字，张量）：速率参数
""

    约束参数 = {率: 约束.非负的}
    支持 = 约束.非负整数

    @property
    def 均值(self) 翻译 张量:
        返回 self.比率

    @property
    def 模式(self) 翻译 张量:
        返回 self.rate.向下取整()

    @property
    def 方差(self) 翻译 张量:
        返回 self.比率

    def __init__(self, rate, 验证参数=无):
        (self.rate,) = 广播全部(rate)
        如果 isinstance(rate, 数):
            批量形状 = 火炬.尺寸()
        else:
            批量形状 = self.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(Poisson, _instance)
batch_shape = torch.Size(batch_shape)
new.rate = self.rate.expand(batch_shape)
super(Poisson, new).__init__(batch_shape, validate_args=False)
new._validate_args = self._validate_args
返回新的

[文档]    def sample(self, sample_shape=torch.Size()):
shape = self._extended_shape(sample_shape)
with torch.no_grad():
return torch.poisson(self.rate.expand(shape))

[文档] def log_prob(self, value)
if self._validate_args:
self._validate_sample(value)
rate, value = 广播_all(self.rate, value)
return value.xlogy(rate) - rate - (value + 1).lgamma()

    @property
    def 自然参数(self) 翻译 元组[张量]
        返回 (火炬.日志(self.rate),)

    def 对数归一化器(self, x):
        返回 火炬.exp(x)