pytorch 笔记:torch.distributions 概率分布相关(更新中)

Posted UQI-LIUWJ

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了pytorch 笔记:torch.distributions 概率分布相关(更新中)相关的知识,希望对你有一定的参考价值。

1 包介绍

        torch.distributions包包含可参数化的概率分布和采样函数。 这允许构建用于优化的随机计算图和随机梯度估计器。

        不可能通过随机样本直接反向传播。 但是,有两种主要方法可以创建可以反向传播的代理函数。

这些是

  • 评分函数估计量 score function estimato
  • 似然比估计量 likelihood ratio estimator
  • REINFORCE
  • 路径导数估计量 pathwise derivative estimator

REINFORCE 通常被视为强化学习中策略梯度方法的基础,

路径导数估计器常见于变分自编码器的重新参数化技巧中。

        虽然评分函数只需要样本 f(x)的值,但路径导数需要导数 f'(x)。、

1.1 REINFORCE

        我们以reinforce 为例:

        当概率密度函数关于其参数可微时,我们只需要 sample() 和 log_prob() 来实现 REINFORCE:

        

        其中θ是参数,α是学习率,r是奖励,是在状态s的时候,根据策略使用动作a的概率

        (这个也就是policy gradient)

强化学习笔记:Policy-based Approach_UQI-LIUWJ的博客-CSDN博客

         在实践中,我们会从网络的输出中采样一个动作,在一个环境中应用这个动作,然后使用 log_prob 构造一个等效的损失函数。

         对于分类策略,实现 REINFORCE 的代码如下:(这只是一个示意代码,跑不起来的)

probs = policy_network(state)
#在状态state的时候,各个action的概率

m = Categorical(probs)
#分类概率

action = m.sample()
#采样一个action

next_state, reward = env.step(action)
#这里为了简化考虑,一个episode只有一个action

loss = -m.log_prob(action) * reward
#m.log_prob(action) 就是 logp
#reward就是前面的r
#这里用负号是因为强化学习是梯度上升

loss.backward()

  2 包所涉及的类

2.1 伯努利分布

torch.distributions.bernoulli.Bernoulli(
    probs=None, 
    logits=None, 
    validate_args=None)

        创建由 probs 或 logits(但不是两者同时)参数化的伯努利分布。

        样本是二进制的(0 或 1)。 它们取值 1 的概率为 p,取值 0 的概率为 1 - p。

2.1.1 参数

probs (Number,Tensor采样概率
logits (Number,Tensor采样的对数几率

2.1.2 函数 & 属性

sample()

采样,默认采样一个值

 

还可以按照shape 采样

 

entropy()

计算熵

 

enumerate_support()

返回包含离散分布支持的所有值的张量。 结果将在维度 0 上枚举

 

mean

均值

 

probs, logits两个输入的参数
param_shape

参数的形状

 

variance

方差

 

2.2 贝塔分布

torch.distributions.beta.Beta(
    concentration1, 
    concentration0, 
    validate_args=None)

由concentration 1 (α)和concentration 0 (β)参数化的 Beta 分布。

 2.2.1 函数

采样

默认是采样一个值,也可以设置采样的维数

 

entropy

计算熵

 


rsample(sample_shape)

如果分布参数是批处理的,则生成一个 sample_shape 形状的重新参数化样本或 sample_shape 形状的重新参数化样本批次。

 

注:生成Beta分布的时候,两个参数必须至少有一个是Tensor,否则rsample效果失效

 

 

mean,variance

均值 & 方差

 

 2.3 Chi2 分布

torch.distributions.chi2.Chi2(
    df, 
    validate_args=None)

 它只有sample一个函数 

2.4 连续伯努利

参数和伯努利很类似

torch.distributions.continuous_bernoulli.ContinuousBernoulli(
    probs=None, 
    logits=None, 
    lims=(0.499, 0.501), 
    validate_args=None)

请注意,与伯努利不同,这里的“probs”不对应于伯努利的“probs”,这里的“logits”不对应于伯努利的“logits”,但由于与伯努利的相似性,使用了相同的名称。 

2.4.1 函数

sample还是采样
cdf

返回以 value 计算的累积概率密度函数。

icdf

返回以 value 计算的逆累积密度/质量函数。

entropy

还是计算熵

rsample

如果分布参数是批处理的,则生成一个 sample_shape 形状的重新参数化样本或 sample_shape 形状的重新参数化样本批次。

和前面Beta分布类似,只有创建时参数为Tensor,才会有rsample效果

 

 

mean,variance均值 方差

 2.5 二项分布

torch.distributions.binomial.Binomial(
    total_count=1, 
    probs=None, 
    logits=None, 
    validate_args=None)

 

         创建由 total_count 和 probs 或 logits(但不是两者)参数化的二项分布。 total_count 必须可以用 probs/logits 广播。

2.5.1 函数&参数

sample

采样

 

100被广播到0,0.2,0.8,1 所以每次相当于是四个二项分布

enumerate_support

返回包含离散分布支持的所有值的张量。 结果将在维度 0 上枚举

mean,variance

均值,方差

 

2.6  分类分布

torch.distributions.categorical.Categorical(
    probs=None, 
    logits=None, 
    validate_args=None)

 样本是来0,...,K−1 的整数,其中 K 是 probs.size(-1)。

2.6.1 函数

sample采样

entropy

 

enumerate_support

返回包含离散分布支持的所有值的张量。 结果将在维度 0 上枚举

 

 

以上是关于pytorch 笔记:torch.distributions 概率分布相关(更新中)的主要内容,如果未能解决你的问题,请参考以下文章

PyTorch学习笔记:模型定义修改保存

Pytorch实战笔记

PyTorch学习笔记:PyTorch可视化

pytorch学习笔记

Pytorch学习笔记:基本概念安装张量操作逻辑回归

pytorch笔记01-数据增强