Min_event_ndims

bijectors：双射函数
我们可以认为bijectors有一个固有的min_event_ndims，这个参数（数字）是这个bijectors操作的数据的最小维度。
例如，Cholesky 分解对象是矩阵，所以min_event_ndims=2

常见的bijectors

AffineScalar: min_event_ndims=0
Affine: min_event_ndims=1
Cholesky: min_event_ndims=2
Exp: min_event_ndims=0
Sigmoid:min_event_ndims=0
SoftmaxCentered: min_event_ndims=1

注意到Affine和AffineScalar的ndims不同，因为AffineScalar的操作对象是标量，而Affine对向量操作。
更一般地，Min_event_ndims应该是 forward_min_event_ndims 和 inverse_min_event_ndims，绝大多数情况下他们都是一致的。但一些修改shape的bijectors两者会不一样，例如某bijector在最后添加一个额外的维度，这会使forward_min_event_ndims=0的情况会有inverse_min_event_ndims=1

雅可比矩阵行列式

雅可比行列式是event_ndims - min_event_ndims的归约 (forward_min_event_ndims对应 forward_log_det_jacobian 和 inverse_min_event_ndims 对应 inverse_log_det_jacobian)