OneHotCategorical

class torchrl.modules.OneHotCategorical(logits: Optional[Tensor] = None, probs: Optional[Tensor] = None, grad_method: ReparamGradientStrategy = ReparamGradientStrategy.PassThrough, **kwargs)

One-hot 分类分布。

此类行为与 torch.distributions.Categorical 完全相同，除了它读取和生成离散张量的一次性编码。

参数:

• logits (torch.Tensor) – 事件对数概率（未归一化）

• probs (torch.Tensor) – 事件概率

• grad_method (ReparamGradientStrategy, 可选) –

  收集重参数化样本的策略。 ReparamGradientStrategy.PassThrough 将使用 softmax 估值的对数概率作为样本梯度的代理来计算样本梯度。

  by using the softmax valued log-probability as a proxy to the samples gradients.

  ReparamGradientStrategy.RelaxedOneHot 将使用 torch.distributions.RelaxedOneHot 从分布中采样。

示例

>>> torch.manual_seed(0)
>>> logits = torch.randn(4)
>>> dist = OneHotCategorical(logits=logits)
>>> print(dist.rsample((3,)))
tensor([[1., 0., 0., 0.],
        [0., 0., 0., 1.],
        [1., 0., 0., 0.]])

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 mode: Tensor

返回分布的众数。

rsample(sample_shape: Optional[Union[Size, Sequence]] = None) → Tensor

如果分布参数是批处理的，则生成 sample_shape 形状的重参数化样本或 sample_shape 形状的重参数化样本批次。

sample(sample_shape: Optional[Union[Size, Sequence]] = None) → Tensor

如果分布参数是批处理的，则生成 sample_shape 形状的样本或 sample_shape 形状的样本批次。