OneHotCategorical

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

独热分类分布。

此类行为与 torch.distributions.Categorical 完全一致，区别在于它读取并生成离散张量的独热编码。

参数:

• logits (torch.Tensor) – 事件的对数概率（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 将通过使用 softmax 值的对数概率作为样本梯度的代理来计算样本梯度。

  ReparamGradientStrategy.RelaxedOneHot 将使用 torch.distributions.RelaxedOneHot 从分布中进行采样。

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.]])

entropy()

返回分布的熵，已按 batch_shape 批处理。

返回:

形状为 batch_shape 的 Tensor。

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) –

属性 mode: Tensor

返回分布的众数。

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

生成 sample_shape 形状的重参数化样本，或者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批次。

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

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