tensordict.nn.distributions.AddStateIndependentNormalScale

class tensordict.nn.distributions.AddStateIndependentNormalScale(scale_shape: Union[Size, int, tuple], scale_mapping: str = 'exp', scale_lb: Number = 0.0001)

一个添加可训练状态无关尺度参数的 nn.Module。

尺度参数使用指定的 scale_mapping 映射到正值。

参数：

• scale_mapping (str, 可选) – 用于 std 的正映射函数。默认值为“biased_softplus_1.0”（即带偏差的 softplus 映射，使得 fn(0.0) = 1.0）选项：“softplus”、“exp”、“relu”、“biased_softplus_1”;

• scale_lb (Number, 可选) – 方差可以取的最小值。默认为 1e-4。

示例

>>> from torch import nn
>>> import torch
>>> num_outputs = 4
>>> module = nn.Linear(3, num_outputs)
>>> module_normal = AddStateIndependentNormalScale(num_outputs)
>>> tensor = torch.randn(3)
>>> loc, scale = module_normal(module(tensor))
>>> print(loc.shape, scale.shape)
torch.Size([4]) torch.Size([4])
>>> assert (scale > 0).all()
>>> # with modules that return more than one tensor
>>> module = nn.LSTM(3, num_outputs)
>>> module_normal = AddStateIndependentNormalScale(num_outputs)
>>> tensor = torch.randn(4, 2, 3)
>>> loc, scale, others = module_normal(*module(tensor))
>>> print(loc.shape, scale.shape)
torch.Size([4, 2, 4]) torch.Size([4, 2, 4])
>>> assert (scale > 0).all()