Uniform

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

均匀分布

概率密度函数(pdf)为:

Uniform - 图1

上面的数学公式中:

Uniform - 图2

Uniform - 图3

。 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

  1. import paddle
  2. from paddle.distribution import Uniform
  3. # Without broadcasting, a single uniform distribution [3, 4]:
  4. u1 = Uniform(low=3.0, high=4.0)
  5. # 2 distributions [1, 3], [2, 4]
  6. u2 = Uniform(low=[1.0, 2.0], high=[3.0, 4.0])
  7. # 4 distributions
  8. u3 = Uniform(low=[[1.0, 2.0], [3.0, 4.0]],
  9. high=[[1.5, 2.5], [3.5, 4.5]])
  10. # With broadcasting:
  11. u4 = Uniform(low=3.0, high=[5.0, 6.0, 7.0])
  12. # Complete example
  13. value_tensor = paddle.to_tensor([0.8], dtype="float32")
  14. uniform = Uniform([0.], [2.])
  15. sample = uniform.sample([2])
  16. # a random tensor created by uniform distribution with shape: [2, 1]
  17. entropy = uniform.entropy()
  18. # [0.6931472] with shape: [1]
  19. lp = uniform.log_prob(value_tensor)
  20. # [-0.6931472] with shape: [1]
  21. p = uniform.probs(value_tensor)
  22. # [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