Categorical
类别分布是一种离散概率分布,其随机变量可以取K个相互独立类别的其中一个。
概率质量函数(pmf)为:
上面公式中:
-
表示:如果 x\=\=ix\==i ,则表达式取值为1,否则取值为0。
参数:
logits (list|numpy.ndarray|Tensor) - 类别分布对应的logits。数据类型为float32或float64。
name (str,可选) - 操作的名称(可选,默认值为None)。更多信息请参见 。
代码示例:
sample
( shape )
参数:
- shape (list) - 指定生成样本的维度。
返回:预先设计好维度的张量
返回类型:Tensor
代码示例:
import paddle
from paddle.distribution import Categorical
paddle.seed(100) # on CPU device
x = paddle.rand([6])
print(x)
# [0.5535528 0.20714243 0.01162981
# 0.51577556 0.36369765 0.2609165 ]
cat = Categorical(x)
cat.sample([2,3])
# [[0, 0, 5],
# [3, 4, 5]]
kl_divergence
( other )
相对于另一个类别分布的KL散度
参数:
- other (Categorical) - 输入的另一个类别分布。数据类型为float32。
返回:相对于另一个类别分布的KL散度, 数据类型为float32
返回类型:Tensor
代码示例:
( )
返回:类别分布的信息熵, 数据类型为float32
返回类型:Tensor
代码示例:
import paddle
from paddle.distribution import Categorical
paddle.seed(100) # on CPU device
x = paddle.rand([6])
print(x)
# [0.5535528 0.20714243 0.01162981
# 0.51577556 0.36369765 0.2609165 ]
cat = Categorical(x)
# [1.77528]
probs
( value )
所选择类别的概率。 如果 logtis
是2-D或更高阶的Tensor,那么其最后一个维度表示不同类别的概率,其它维度被看做不同的概率分布。 同时,如果 value
是1-D Tensor,那么 value
会broadcast成与 具有相同的概率分布数量。 如果 value
为更高阶Tensor,那么 value
应该与 logits
具有相同的概率分布数量。也就是说, value[:-1] = logits[:-1]
。
参数:
- value (Tensor) - 输入张量, 表示选择的类别下标。数据类型为int32或int64。
返回:给定类别下标的概率
返回类型:Tensor
log_prob
( value )
所选择类别的对数概率
参数:
- value (Tensor) - 输入张量, 表示选择的类别下标。数据类型为int32或int64。
返回类型:Tensor
import paddle
from paddle.distribution import Categorical
paddle.seed(100) # on CPU device
x = paddle.rand([6])
print(x)
# [0.5535528 0.20714243 0.01162981
# 0.51577556 0.36369765 0.2609165 ]
cat = Categorical(x)
value = paddle.to_tensor([2,1,3])
# [-5.10271 -2.22287 -1.31061]