AbsTransform¶
取绝对值变换 \(y = |x|\) 。
AbsTransform 不是双射变换，其逆变换处理逻辑如下：
当 \(y \in (0, +\infty )\) ,
AbsTransform.inverse(y)返回元组(-y, y)。当 \(y=0\) ,
AbsTransform.inverse(y)返回(0, 0)。当 \(y \in (-\infty, 0)\)，为了避免对
Tensor数据进行判断带来性能下降，AbsTransform.inverse(y)仍返回(-y, y)，注意这本质上是一个错误结果，仅仅出于 性能考虑。
代码示例¶
>>> import paddle
>>> abs = paddle.distribution.AbsTransform()
>>> print(abs.forward(paddle.to_tensor([-1., 0., 1.])))
Tensor(shape=[3], dtype=float32, place=Place(cpu), stop_gradient=True,
[1., 0., 1.])
>>> print(abs.inverse(paddle.to_tensor([1.])))
(Tensor(shape=[1], dtype=float32, place=Place(cpu), stop_gradient=True,
[-1.]), Tensor(shape=[1], dtype=float32, place=Place(cpu), stop_gradient=True,
[1.]))
>>> # The |dX/dY| is constant 1. So Log|dX/dY| == 0
>>> print(abs.inverse_log_det_jacobian(paddle.to_tensor(1.)))
(Tensor(shape=[], dtype=float32, place=Place(cpu), stop_gradient=True,
0.), Tensor(shape=[], dtype=float32, place=Place(cpu), stop_gradient=True,
0.))
>>> #Special case handling of 0.
>>> print(abs.inverse(paddle.to_tensor([0.])))
(Tensor(shape=[1], dtype=float32, place=Place(cpu), stop_gradient=True,
[0.]), Tensor(shape=[1], dtype=float32, place=Place(cpu), stop_gradient=True,
[0.]))
>>> print(abs.inverse_log_det_jacobian(paddle.to_tensor(0.)))
(Tensor(shape=[], dtype=float32, place=Place(cpu), stop_gradient=True,
0.), Tensor(shape=[], dtype=float32, place=Place(cpu), stop_gradient=True,
0.))
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
y (Tensor) - 正变换的计算结果。
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，返回 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。