Normal

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

正态分布

数学公式:

Normal - 图1

上面的数学公式中:

Normal - 图2

: 平均值。

Normal - 图3

: 标准差。

Normal - 图4

: 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

  1. import paddle
  2. from paddle.distribution import Normal
  3. # Define a single scalar Normal distribution.
  4. dist = Normal(loc=0., scale=3.)
  5. # Define a batch of two scalar valued Normals.
  6. # The first has mean 1 and standard deviation 11, the second 2 and 22.
  7. dist = Normal(loc=[1., 2.], scale=[11., 22.])
  8. # Get 3 samples, returning a 3 x 2 tensor.
  9. dist.sample([3])
  10. # Define a batch of two scalar valued Normals.
  11. # Both have mean 1, but different standard deviations.
  12. dist = Normal(loc=1., scale=[11., 22.])
  13. # Complete example
  14. value_tensor = paddle.to_tensor([0.8], dtype="float32")
  15. normal_a = Normal([0.], [1.])
  16. normal_b = Normal([0.5], [2.])
  17. sample = normal_a.sample([2])
  18. # a random tensor created by normal distribution with shape: [2, 1]
  19. entropy = normal_a.entropy()
  20. # [1.4189385] with shape: [1]
  21. lp = normal_a.log_prob(value_tensor)
  22. # [-1.2389386] with shape: [1]
  23. p = normal_a.probs(value_tensor)
  24. # [0.28969154] with shape: [1]
  25. kl = normal_a.kl_divergence(normal_b)
  26. # [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:

Normal - 图5

上面的数学公式中:

Normal - 图6

: 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:

Normal - 图7

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