Normal
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。
代码示例:
sample
( shape, seed\=0 )
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
( )
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
返回:对数概率, 数据类型与value相同
返回类型:Tensor
( 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