Probability distributions - torch.distributions

译者：@叶舒泉

校对者：@smilesboy、@Charles Xu

该 distributions 统计分布包中含有可自定义参数的概率分布和采样函数.

当概率密度函数对其参数可微时, 可以使用 log_prob() 方法来实施梯度方法 Policy Gradient. 它的一个基本方法是REINFORCE规则:

这其中 是参数, 是学习率, 是奖惩, 是在策略 中从 状态下采取 行动的概率.

在实践中, 我们要从神经网络的输出中采样选出一个行动, 在某个环境中应用该行动, 然后 使用 log_prob 函数来构造一个等价的损失函数. 请注意, 这里我们使用了负号, 因为优化器使用 是是梯度下降法, 然而上面的REINFORCE规则是假设了梯度上升情形. 如下所示是在多项式分布下 实现REINFORCE的代码:

probs = policy_network(state)
# NOTE: 等同于多项式分布
m = Categorical(probs)
action = m.sample()
next_state, reward = env.step(action)
loss = -m.log_prob(action) * reward
loss.backward()

Distribution (概率分布)

class torch.distributions.Distribution

Distribution是概率分布的抽象基类.

log_prob(value)

返回在value处的概率密度函数的对数.

参数：value (Tensor 或 Variable) – （基类的参数,没有实际用处）

sample()

生成一个样本, 如果分布参数有多个, 就生成一批样本.

sample_n(n)

生成n个样本, 如果分布参数有多个, 就生成n批样本.

Bernoulli (伯努利分布)

class torch.distributions.Bernoulli(probs)

创建以 probs 为参数的伯努利分布.

样本是二进制的 (0或1). 他们以p的概率取值为1, 以 (1 - p) 的概率取值为0.

例:

>>> m = Bernoulli(torch.Tensor([0.3]))
>>> m.sample()  # 30% chance 1; 70% chance 0
 0.0
[torch.FloatTensor of size 1]

参数：probs (Tensor 或 Variable) – 采样到 1 的概率

Categorical (类别分布)

class torch.distributions.Categorical(probs)

创建以 probs 为参数的类别分布.

它和 multinomial() 采样的分布是一样的.

样本是来自 “0 … K-1” 的整数,其中 “K” 是probs.size(-1).

如果 probs 是长度为 K 的一维列表,则每个元素是对该索引处的类进行抽样的相对概率.

如果 probs 是二维的,它被视为一批概率向量.

另见: torch.multinomial()

例:

>>> m = Categorical(torch.Tensor([ 0.25, 0.25, 0.25, 0.25 ]))
>>> m.sample()  # equal probability of 0, 1, 2, 3
 3
[torch.LongTensor of size 1]

参数：probs (Tensor 或 Variable) – 事件概率

Normal (正态分布)

class torch.distributions.Normal(mean, std)

创建以 mean 和 std 为参数的正态分布（也称为高斯分布）.

例:

>>> m = Normal(torch.Tensor([0.0]), torch.Tensor([1.0]))
>>> m.sample()  # normally distributed with mean=0 and stddev=1
 0.1046
[torch.FloatTensor of size 1]

参数：

• mean (float 或 Tensor 或 Variable) – 分布的均值
• std (float 或 Tensor 或 Variable) – 分布的标准差