IndependentTransform¶

class paddle.distribution. IndependentTransform ( base, reinterpreted_batch_rank ) [源代码] ¶

IndependentTransform 将一个基础变换 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 \([4, 2]\)。

>>> import paddle

>>> x = paddle.to_tensor([[1., 2., 3.], [4., 5., 6.]])

>>> # Exponential transform with event_rank = 1
>>> multi_exp = paddle.distribution.IndependentTransform(
...     paddle.distribution.ExpTransform(), 1)
>>> print(multi_exp.forward(x))
Tensor(shape=[2, 3], dtype=float32, place=Place(cpu), stop_gradient=True,
        [[2.71828175  , 7.38905621  , 20.08553696 ],
         [54.59814835 , 148.41316223, 403.42880249]])
>>> print(multi_exp.forward_log_det_jacobian(x))
Tensor(shape=[2], dtype=float32, place=Place(cpu), stop_gradient=True,
        [6. , 15.])