Delta

class torchrl.modules.Delta(param: Tensor, atol: float = 1e-06, rtol: float = 1e-06, batch_shape: Optional[Union[Size, Sequence[int]]] = None, event_shape: Optional[Union[Size, Sequence[int]]] = None)

Delta 分布。

参数：

• param (torch.Tensor) – Delta 分布的参数；

• atol (number, optional) – 认为张量与分布参数匹配的绝对容差；默认为 1e-6

• rtol (number, optional) – 认为张量与分布参数匹配的相对容差；默认为 1e-6

• batch_shape (torch.Size, optional) – 批次形状；

• event_shape (torch.Size, optional) – 结果的形状。

expand(batch_shape: Size, _instance=None)

返回一个新的分布实例（或填充派生类提供的现有实例），其批次维度已扩展到 batch_shape。此方法对分布的参数调用 expand。因此，这不会为扩展后的分布实例分配新内存。此外，当首次创建实例时，这不会重复 __init__.py 中的任何参数检查或参数广播。

参数：

• batch_shape (torch.Size) – 期望的扩展大小。

• _instance – 需要覆盖 .expand 的子类提供的新实例。

返回值：

批次维度扩展到 batch_size 的新分布实例。

log_prob(value: Tensor) → Tensor

返回在 value 处评估的概率密度/质量函数的对数。

参数：

value (Tensor) –

property mean: Tensor

返回分布的均值。

property mode: Tensor

返回分布的众数。

rsample(size=None) → Tensor

生成 sample_shape 形状的重参数化样本，如果分布参数是批次的，则生成 sample_shape 形状的批次重参数化样本。

sample(size=None) → Tensor

生成 sample_shape 形状的样本，如果分布参数是批次的，则生成 sample_shape 形状的批次样本。