Delta

class torchrl.modules.Delta(param: Tensor, atol: float = 1e-06, rtol: float = 1e-06, batch_shape: Optional[Union[Size, Sequence[int]]] = None, event_shape: Optional[Union[Size, Sequence[int]]] = None)

Delta 分佈。

引數：

• param (torch.Tensor) – Delta 分佈的引數；

• atol (number, optional) – 認為張量與分佈引數匹配的絕對容差；預設為 1e-6

• rtol (number, optional) – 認為張量與分佈引數匹配的相對容差；預設為 1e-6

• batch_shape (torch.Size, optional) – 批次形狀；

• event_shape (torch.Size, optional) – 結果的形狀。

expand(batch_shape: Size, _instance=None)

返回一個新的分佈例項（或填充派生類提供的現有例項），其批次維度已擴充套件到 batch_shape。此方法對分佈的引數呼叫 expand。因此，這不會為擴充套件後的分佈例項分配新記憶體。此外，當首次建立例項時，這不會重複 __init__.py 中的任何引數檢查或引數廣播。

引數：

• batch_shape (torch.Size) – 期望的擴充套件大小。

• _instance – 需要覆蓋 .expand 的子類提供的新例項。

返回值：

批次維度擴充套件到 batch_size 的新分佈例項。

log_prob(value: Tensor) → Tensor

返回在 value 處評估的機率密度/質量函式的對數。

引數：

value (Tensor) –

property mean: Tensor

返回分佈的均值。

property mode: Tensor

返回分佈的眾數。

rsample(size=None) → Tensor

生成 sample_shape 形狀的重引數化樣本，如果分佈引數是批次的，則生成 sample_shape 形狀的批次重引數化樣本。

sample(size=None) → Tensor

生成 sample_shape 形狀的樣本，如果分佈引數是批次的，則生成 sample_shape 形狀的批次樣本。