ReshapeTransform¶
ReshapeTransform 将输入 Tensor 的事件形状 in_event_shape 改变为 out_event_shape。其中，in_event_shape、out_event_shape 需要包含相同的元素个数。
参数¶
in_event_shape (Sequence[int]) - Reshape 前的事件形状。
out_event_shape (float|Tensor） - Reshape 后的事件形状。
代码示例¶
>>> import paddle
>>> x = paddle.ones((1,2,3))
>>> reshape_transform = paddle.distribution.ReshapeTransform((2, 3), (3, 2))
>>> print(reshape_transform.forward_shape((1,2,3)))
(1, 3, 2)
>>> print(reshape_transform.forward(x))
Tensor(shape=[1, 3, 2], dtype=float32, place=Place(cpu), stop_gradient=True,
[[[1., 1.],
[1., 1.],
[1., 1.]]])
>>> print(reshape_transform.inverse(reshape_transform.forward(x)))
Tensor(shape=[1, 2, 3], dtype=float32, place=Place(cpu), stop_gradient=True,
[[[1., 1., 1.],
[1., 1., 1.]]])
>>> print(reshape_transform.forward_log_det_jacobian(x))
Tensor(shape=[1], 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
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，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。