Uniform

class paddle.distribution.Uniform ( low, high, name\=None ) [源代码]

均匀分布

概率密度函数（pdf）为：

上面的数学公式中：

。

。 ZZ: 正态分布常量。

参数low和high的维度必须能够支持广播。

参数：

• low (int|float|list|numpy.ndarray|Tensor) - 均匀分布的下边界。数据类型为int、float、list、numpy.ndarray或Tensor。

• high (int|float|list|numpy.ndarray|Tensor) - 均匀分布的上边界。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 Uniform
# Without broadcasting, a single uniform distribution [3, 4]:
u1 = Uniform(low=3.0, high=4.0)
# 2 distributions [1, 3], [2, 4]
u2 = Uniform(low=[1.0, 2.0], high=[3.0, 4.0])
# 4 distributions
u3 = Uniform(low=[[1.0, 2.0], [3.0, 4.0]],
        high=[[1.5, 2.5], [3.5, 4.5]])
# With broadcasting:
u4 = Uniform(low=3.0, high=[5.0, 6.0, 7.0])
# Complete example
value_tensor = paddle.to_tensor([0.8], dtype="float32")
uniform = Uniform([0.], [2.])
sample = uniform.sample([2])
# a random tensor created by uniform distribution with shape: [2, 1]
entropy = uniform.entropy()
# [0.6931472] with shape: [1]
lp = uniform.log_prob(value_tensor)
# [-0.6931472] with shape: [1]
p = uniform.probs(value_tensor)
# [0.5] 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

entropy(low,high)\=log(high−low)entropy(low,high)\=log⁡(high−low)

返回：均匀分布的信息熵, 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