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]