强化学习算法中的log_det_jacobian —— 概率分布的仿射变换（Bijector）（续）

前文：

强化学习算法中的log_det_jacobian —— 概率分布的仿射变换（Bijector）

前文说到概率分布的仿射变换（Bijector）在贝叶斯、变分推断等领域有很重要的作用，但是在强化学习中呢，其实在强化学习中也会用到，但是最为普遍的应用场景其实只是做简单的tanh变换。

在强化学习中一般用高斯分布来表示连续动作的策略，但是在很多应用环境中，如：人形机器人领域，连续动作的空间不是[-Inf, Inf]，而是[-1, +1]，这时则需要进行tanh变换，具体为：

X ~ Normal(loc, scale)
Y = tanh(X)
action = Y

可以看到，这是一种比较简单的概率分布的仿射变换（Bijector），如果按照前文给出的概率变换公式，我们可以得到action，即y的概率：