SoftmaxTransform
- class paddle.distribution. SoftmaxTransform
Softmax 变换,首先进行 \(y = exp(x)\) 变换,然后归一化。
Softmax 变换将向量变换为单纯形。
备注
Softmax 不是双射函数,所以 forward_log_det_jacobian
、inverse_log_det_jacobian
未实现。
代码示例
COPY-FROM: paddle.distribution.SoftmaxTransform
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
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。
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。