MultivariateNormalDiag

class paddle.fluid.layers.MultivariateNormalDiag(loc, scale)[源代码]

多元高斯分布

概率密度函数(pdf)为:

MultivariateNormalDiag - 图1

上面公式中:

  • MultivariateNormalDiag - 图2

    表示: 对矩阵求逆

  • MultivariateNormalDiag - 图3

    表示:矩阵相乘

  • MultivariateNormalDiag - 图4

    表示:求行列式的值

参数

  • loc (list|numpy.ndarray|Variable) - 形状为

    MultivariateNormalDiag - 图5

    的多元高斯分布的均值列表。数据类型为float32。

  • scale (list|numpy.ndarray|Variable) - 形状为

    MultivariateNormalDiag - 图6

    的多元高斯分布的对角协方差矩阵,且除对角元素外,其他元素取值均为0。数据类型为float32。

代码示例

  1. import numpy as np
  2. from paddle.fluid import layers
  3. from paddle.fluid.layers import MultivariateNormalDiag
  4. a_loc_npdata = np.array([0.3,0.5],dtype="float32")
  5. a_loc_tensor = layers.create_tensor(dtype="float32")
  6. layers.assign(a_loc_npdata, a_loc_tensor)
  7. a_scale_npdata = np.array([[0.4,0],[0,0.5]],dtype="float32")
  8. a_scale_tensor = layers.create_tensor(dtype="float32")
  9. layers.assign(a_scale_npdata, a_scale_tensor)
  10. b_loc_npdata = np.array([0.2,0.4],dtype="float32")
  11. b_loc_tensor = layers.create_tensor(dtype="float32")
  12. layers.assign(b_loc_npdata, b_loc_tensor)
  13. b_scale_npdata = np.array([[0.3,0],[0,0.4]],dtype="float32")
  14. b_scale_tensor = layers.create_tensor(dtype="float32")
  15. layers.assign(b_scale_npdata, b_scale_tensor)
  16. a = MultivariateNormalDiag(a_loc_tensor, a_scale_tensor)
  17. b = MultivariateNormalDiag(b_loc_tensor, b_scale_tensor)
  18. a.entropy()
  19. # [2.033158] with shape: [1]
  20. b.entropy()
  21. # [1.7777451] with shaoe: [1]
  22. a.kl_divergence(b)
  23. # [0.06542051] with shape: [1]

方法

kl_divergence(other)

计算相对于另一个多元高斯分布的KL散度

参数

  • other (MultivariateNormalDiag) - 输入的另一个多元高斯分布。数据类型为float32。

返回 相对于另一个多元高斯分布的KL散度,数据类型为float32

返回类型 Variable

entropy()

信息熵

返回 多元高斯分布的信息熵,数据类型为float32

返回类型 Variable