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