ExpTransform

class paddle.distribution. ExpTransform [源代码]

指数变换 \(y = exp(x)\)

代码示例

>>> import paddle

>>> exp = paddle.distribution.ExpTransform()
>>> print(exp.forward(paddle.to_tensor([1., 2., 3.])))
Tensor(shape=[3], dtype=float32, place=Place(cpu), stop_gradient=True,
        [2.71828175 , 7.38905621 , 20.08553696])

>>> print(exp.inverse(paddle.to_tensor([1., 2., 3.])))
Tensor(shape=[3], dtype=float32, place=Place(cpu), stop_gradient=True,
        [0.        , 0.69314718, 1.09861231])

>>> print(exp.forward_log_det_jacobian(paddle.to_tensor([1., 2., 3.])))
Tensor(shape=[3], dtype=float32, place=Place(cpu), stop_gradient=True,
        [1., 2., 3.])

>>> print(exp.inverse_log_det_jacobian(paddle.to_tensor([1., 2., 3.])))
Tensor(shape=[3], dtype=float32, place=Place(cpu), stop_gradient=True,
        [ 0.        , -0.69314718, -1.09861231])

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。

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

  • x (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,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。

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。