StackTransform¶

class paddle.distribution. StackTransform ( transforms, axis=0 ) [源代码] ¶

StackTransform 将一系列变换沿着某个特定轴作用于一个输入 Tensor 上。

参数¶

transforms (Sequence[Transform]) - 变换序列。
axis (int，可选) - 待变换的轴，默认值为 0，表示沿着第 0 个轴变换。

代码示例¶

          import paddle

x = paddle.stack(
    (paddle.to_tensor([1., 2., 3.]), paddle.to_tensor([1, 2., 3.])), 1)
t = paddle.distribution.StackTransform(
    (paddle.distribution.ExpTransform(),
    paddle.distribution.PowerTransform(paddle.to_tensor(2.))),
    1
)
print(t.forward(x))
# Tensor(shape=[3, 2], dtype=float32, place=Place(gpu:0), stop_gradient=True,
#        [[2.71828175 , 1.         ],
#         [7.38905621 , 4.         ],
#         [20.08553696, 9.         ]])

print(t.inverse(t.forward(x)))
# Tensor(shape=[3, 2], dtype=float32, place=Place(gpu:0), stop_gradient=True,
#        [[1., 1.],
#         [2., 2.],
#         [3., 3.]])

print(t.forward_log_det_jacobian(x))
# Tensor(shape=[3, 2], dtype=float32, place=Place(gpu:0), stop_gradient=True,
#        [[1.        , 0.69314718],
#         [2.        , 1.38629436],
#         [3.        , 1.79175949]])

         

方法¶

forward(x)¶

计算正变换 \(y=f(x)\) 的结果。

参数

x (Tensor) - 正变换输入参数，通常为 Distribution 的随机采样结果。

返回

Tensor，正变换的计算结果。

inverse(y)¶

计算逆变换 \(x = f^{-1}(y)\)。

参数

y (Tensor) - 逆变换的输入参数。

返回

Tensor，逆变换的计算结果。

forward_log_det_jacobian(x)¶

计算正变换雅可比行列式绝对值的对数。

如果变换不是一一映射，则雅可比矩阵不存在，抛出 NotImplementedError。

参数

x (Tensor) - 输入参数。

返回

Tensor，正变换雅可比行列式绝对值的对数。

inverse_log_det_jacobian(y)¶

计算逆变换雅可比行列式绝对值的对数。

与 forward_log_det_jacobian 互为负数。

参数

y (Tensor) - 输入参数。

返回

Tensor，逆变换雅可比行列式绝对值的对数。

forward_shape(shape)¶

推断正变换输出形状。

参数

shape (Sequence[int]) - 正变换输入的形状。

返回

Sequence[int]，正变换输出的形状。

inverse_shape(shape)¶

推断逆变换输出形状。

参数

shape (Sequence[int]) - 逆变换输入的形状。

返回

Sequence[int]，逆变换输出的形状。