Python 在torch.distributions中将事件形状重新解释为批次形状

假设我有一个伽马分布

q=D.Independent（D.Gamma（alpha，beta），1）

其中，

alpha

和

beta

是具有维度的参数向量

[n\u样本，批次大小，d]

分布将具有以下形状：

打印（q.batch\u形状、q.event\u形状）
>>>[n_样品，批次大小][d]

D.Independent

包装类允许将批处理维度重新解释为事件维度（初始化Gamma分布时就是这样），但是有没有相反的方法，即：

是否有办法将事件维度重新解释为批次维度？

我知道我可以重新定义一个新的发行版，即

alpha=q.base\u dist.concentration
贝塔=q.基本偏差率
q=D.Gamma（α，β）

这将具有正确的尺寸

打印（q.batch\u形状、q.event\u形状）
>>>[n_样品，批次大小，d]，]

但这似乎非常不切实际，效率低下

有什么想法吗