Categorical
- class
paddle.fluid.layers.
Categorical
(logits)[源代码]
类别分布是一种离散概率分布,其随机变量可以取K个相互独立类别的其中一个。
概率质量函数(pmf)为:
- 上面公式中:
- 表示:如果 ,则表达式取值为1,否则取值为0。
- 参数:
- logits (list|numpy.ndarray|Variable) - 类别分布对应的logits。数据类型为float32。
代码示例:
- import numpy as np
- from paddle.fluid import layers
- from paddle.fluid.layers import Categorical
- a_logits_npdata = np.array([-0.602,-0.602], dtype="float32")
- a_logits_tensor = layers.create_tensor(dtype="float32")
- layers.assign(a_logits_npdata, a_logits_tensor)
- b_logits_npdata = np.array([-0.102,-0.112], dtype="float32")
- b_logits_tensor = layers.create_tensor(dtype="float32")
- layers.assign(b_logits_npdata, b_logits_tensor)
- a = Categorical(a_logits_tensor)
- b = Categorical(b_logits_tensor)
- a.entropy()
- # [0.6931472] with shape: [1]
- b.entropy()
- # [0.6931347] with shape: [1]
- a.kl_divergence(b)
- # [1.2516975e-05] with shape: [1]
kl_divergence
(other)
相对于另一个类别分布的KL散度
- 参数:
- other (Categorical) - 输入的另一个类别分布。数据类型为float32。
返回:相对于另一个类别分布的KL散度, 数据类型为float32
返回类型:Variable
entropy
()
信息熵
返回:类别分布的信息熵, 数据类型为float32
返回类型:Variable