IndependentTransform_cn.rst

IndependentTransform

.. py:class:: paddle.distribution.IndependentTransform(base, reinterpreted_batch_rank)


 ``IndependentTransform`` 将一个基础变换 :attr:`base` 的部分批（batch）维度 ``reinterpreted_batch_rank`` 扩展为事件（event）维度。

 ``IndependentTransform`` 不改变基础变换 ``forward`` 以及 ``inverse`` 计算结果，但会对 ``forward_log_det_jacobian`` 以及 ``inverse_log_det_jacobian`` 计算结果沿着扩展的维度进行求和。

例如，假设基础变换为 ExpTransform，其输入为一个随机采样结果 x，形状为 (S=[4], B=[2,2], E=[3]) , S、B、E 分别表示采样形状、批形状、事件形状，reinterpreted_batch_rank=1。则 IndependentTransform(ExpTransform) 变换后，x 的形状为 (S=[4], B=[2], E=[2,3])，即将最右侧的批维度作为事件维度。此时 forward 和 inverse 输出形状仍是 [4, 2, 2, 3]，但 forward_log_det_jacobian 以及 inverse_log_det_jacobian 输出形状为 [4, 2]。

参数

• base (Transform) - 基础变换。
• reinterpreted_batch_rank (int) - 被扩展为事件维度的最右侧批维度数量，需大于 0。

代码示例

COPY-FROM: paddle.distribution.IndependentTransform

方法

forward(x)

计算正变换 y=f(x) 的结果。

参数

• x (Tensor) - 正变换输入参数，通常为 :ref:`cn_api_distribution_Distribution` 的随机采样结果。

返回

Tensor，正变换的计算结果。

inverse(y)

计算逆变换 x = f^{-1}(y)

参数

• y (Tensor) - 逆变换的输入参数。

返回

Tensor，逆变换的计算结果。

forward_log_det_jacobian(x)

计算正变换雅可比行列式绝对值的对数。

如果变换不是一一映射，则雅可比矩阵不存在，返回 NotImplementedError 。

参数

• x (Tensor) - 输入参数。

返回

Tensor，正变换雅可比行列式绝对值的对数。

inverse_log_det_jacobian(y)

计算逆变换雅可比行列式绝对值的对数。

与 forward_log_det_jacobian 互为负数。

参数

• y (Tensor) - 输入参数。

返回

Tensor，逆变换雅可比行列式绝对值的对数。

forward_shape(shape)

推断正变换输出形状。

参数

• shape (Sequence[int]) - 正变换输入的形状。

返回

Sequence[int]，正变换输出的形状。

inverse_shape(shape)

推断逆变换输出形状。

参数

• shape (Sequence[int]) - 逆变换输入的形状。

返回

Sequence[int]，逆变换输出的形状。