Normal

class paddle.distribution.Normal ( loc, scale, name\=None ) [源代码]

正态分布

数学公式：

上面的数学公式中：

: 平均值。

: 标准差。

: 正态分布常量。

参数：

• loc (int|float|list|numpy.ndarray|Tensor) - 正态分布平均值。数据类型为int、float、list、numpy.ndarray或Tensor。

• scale (int|float|list|numpy.ndarray|Tensor) - 正态分布标准差。数据类型为int、float、list、numpy.ndarray或Tensor。

• name (str，可选） - 操作的名称(可选，默认值为None）。更多信息请参见 Name。

代码示例：

import paddle
from paddle.distribution import Normal
# Define a single scalar Normal distribution.
dist = Normal(loc=0., scale=3.)
# Define a batch of two scalar valued Normals.
# The first has mean 1 and standard deviation 11, the second 2 and 22.
dist = Normal(loc=[1., 2.], scale=[11., 22.])
# Get 3 samples, returning a 3 x 2 tensor.
dist.sample([3])
# Define a batch of two scalar valued Normals.
# Both have mean 1, but different standard deviations.
dist = Normal(loc=1., scale=[11., 22.])
# Complete example
value_tensor = paddle.to_tensor([0.8], dtype="float32")
normal_a = Normal([0.], [1.])
normal_b = Normal([0.5], [2.])
sample = normal_a.sample([2])
# a random tensor created by normal distribution with shape: [2, 1]
entropy = normal_a.entropy()
# [1.4189385] with shape: [1]
lp = normal_a.log_prob(value_tensor)
# [-1.2389386] with shape: [1]
p = normal_a.probs(value_tensor)
# [0.28969154] with shape: [1]
kl = normal_a.kl_divergence(normal_b)
# [0.34939718] with shape: [1]

sample ( shape, seed\=0 )

生成指定维度的样本

参数：

• shape (list) - 1维列表，指定生成样本的维度。数据类型为int32。

• seed (int) - 长整型数。

返回：预先设计好维度的张量, 数据类型为float32

返回类型：Tensor

entropy ( )

信息熵

数学公式：

上面的数学公式中：

: 标准差。

返回：正态分布的信息熵, 数据类型为float32

返回类型：Tensor

log_prob ( value )

对数概率密度函数

参数：

• value (Tensor) - 输入张量。数据类型为float32或float64。

返回：对数概率, 数据类型与value相同

返回类型：Tensor

probs ( value )

概率密度函数

参数：

• value (Tensor) - 输入张量。数据类型为float32或float64。

返回：概率, 数据类型与value相同

返回类型：Tensor

kl_divergence ( other )

两个正态分布之间的KL散度。

数学公式：

上面的数学公式中：

loc\=μ0loc\=μ0: 当前正态分布的平均值。 scale\=σ0scale\=σ0: 当前正态分布的标准差。 loc\=μ1loc\=μ1: 另一个正态分布的平均值。 scale\=σ1scale\=σ1: 另一个正态分布的标准差。 ratioratio: 两个标准差之间的比例。 diffdiff: 两个平均值之间的差值。

参数：

• other (Normal) - Normal的实例。

返回：两个正态分布之间的KL散度, 数据类型为float32

返回类型：Tensor