gluonts.torch.distributions.distribution_output 模块

class gluonts.torch.distributions.distribution_output.BetaOutput(beta: float = 0.0)

基类：gluonts.torch.distributions.distribution_output.DistributionOutput

args_dim: Dict[str, int] = {'concentration0': 1, 'concentration1': 1}

distr_cls

torch.distributions.beta.Beta 的别名

classmethod domain_map(concentration1: torch.Tensor, concentration0: torch.Tensor)

将参数转换为正确的形状和域。

域取决于分布的类型，而正确的形状是通过重塑尾部轴来获得的，以使返回的张量定义了具有正确 event_shape 的分布。

property event_shape: Tuple

与输出对象兼容的每个独立事件的形状。

in_features: int

property value_in_support: float

一个浮点值，可用于计算相应输出的损失。

默认为 0.0。

class gluonts.torch.distributions.distribution_output.DistributionOutput(beta: float = 0.0)

基类：gluonts.torch.distributions.output.Output

给定网络输出，用于构建分布的类。

args_dim: Dict[str, int]

distr_cls: type

distribution(distr_args, loc: Optional[torch.Tensor] = None, scale: Optional[torch.Tensor] = None) → torch.distributions.distribution.Distribution

给定构造函数参数集合以及可选的 scale 张量，构造关联的分布。

参数

• distr_args – 底层 Distribution 类型的构造函数参数。

• loc – 可选张量，形状与结果分布的 batch_shape+event_shape 相同。

• scale – 可选张量，形状与结果分布的 batch_shape+event_shape 相同。

domain_map(*args: torch.Tensor)

将参数转换为正确的形状和域。

域取决于分布的类型，而正确的形状是通过重塑尾部轴来获得的，以使返回的张量定义了具有正确 event_shape 的分布。

property event_dim: int

事件维度数，即此对象构建的分布的 event_shape 元组的长度。

property forecast_generator: gluonts.model.forecast_generator.ForecastGenerator

in_features: int

loss(target: torch.Tensor, distr_args: Tuple[torch.Tensor, ...], loc: Optional[torch.Tensor] = None, scale: Optional[torch.Tensor] = None) → torch.Tensor

给定网络输出，计算目标数据的损失。

参数

• target – 用于计算损失的目标时间序列的值。

• distr_args – 可用于构建输出分布的参数。

• loc – 分布的位置参数，可选。

• scale – 分布的尺度参数，可选。

返回

损失值，与 target 的形状相同。

返回类型

loss_values

class gluonts.torch.distributions.distribution_output.GammaOutput(beta: float = 0.0)

基类：gluonts.torch.distributions.distribution_output.DistributionOutput

args_dim: Dict[str, int] = {'concentration': 1, 'rate': 1}

distr_cls

torch.distributions.gamma.Gamma 的别名

classmethod domain_map(concentration: torch.Tensor, rate: torch.Tensor)

将参数转换为正确的形状和域。

域取决于分布的类型，而正确的形状是通过重塑尾部轴来获得的，以使返回的张量定义了具有正确 event_shape 的分布。

property event_shape: Tuple

与输出对象兼容的每个独立事件的形状。

in_features: int

property value_in_support: float

一个浮点值，可用于计算相应输出的损失。

默认为 0.0。

class gluonts.torch.distributions.distribution_output.LaplaceOutput(beta: float = 0.0)

基类：gluonts.torch.distributions.distribution_output.DistributionOutput

args_dim: Dict[str, int] = {'loc': 1, 'scale': 1}

distr_cls

torch.distributions.laplace.Laplace 的别名

classmethod domain_map(loc: torch.Tensor, scale: torch.Tensor)

将参数转换为正确的形状和域。

域取决于分布的类型，而正确的形状是通过重塑尾部轴来获得的，以使返回的张量定义了具有正确 event_shape 的分布。

property event_shape: Tuple

与输出对象兼容的每个独立事件的形状。

in_features: int

class gluonts.torch.distributions.distribution_output.NormalOutput(beta: float = 0.0)

基类：gluonts.torch.distributions.distribution_output.DistributionOutput

args_dim: Dict[str, int] = {'loc': 1, 'scale': 1}

distr_cls

torch.distributions.normal.Normal 的别名

classmethod domain_map(loc: torch.Tensor, scale: torch.Tensor)

将参数转换为正确的形状和域。

域取决于分布的类型，而正确的形状是通过重塑尾部轴来获得的，以使返回的张量定义了具有正确 event_shape 的分布。

property event_shape: Tuple

与输出对象兼容的每个独立事件的形状。

in_features: int

class gluonts.torch.distributions.distribution_output.PoissonOutput(beta: float = 0.0)

基类：gluonts.torch.distributions.distribution_output.DistributionOutput

args_dim: Dict[str, int] = {'rate': 1}

distr_cls

torch.distributions.poisson.Poisson 的别名

distribution(distr_args, loc: Optional[torch.Tensor] = None, scale: Optional[torch.Tensor] = None) → torch.distributions.distribution.Distribution

给定构造函数参数集合以及可选的 scale 张量，构造关联的分布。

参数

• distr_args – 底层 Distribution 类型的构造函数参数。

• loc – 可选张量，形状与结果分布的 batch_shape+event_shape 相同。

• scale – 可选张量，形状与结果分布的 batch_shape+event_shape 相同。

classmethod domain_map(rate: torch.Tensor)

将参数转换为正确的形状和域。

域取决于分布的类型，而正确的形状是通过重塑尾部轴来获得的，以使返回的张量定义了具有正确 event_shape 的分布。

property event_shape: Tuple

与输出对象兼容的每个独立事件的形状。

in_features: int