Uniform¶
均匀分布
概率密度函数（pdf）为：
\[ \begin{align}\begin{aligned}pdf(x; a, b) = \frac{1}{Z}, a <=x < b\\Z = b - a\end{aligned}\end{align} \]
上面的数学公式中：
\(low = a\) 。 \(high = b\) 。 \(Z\)：正态分布常量。
参数 low 和 high 的维度必须能够支持广播。
注解
关于广播(broadcasting)机制，如您想了解更多，请参见 Tensor 介绍 .
参数¶
low (int|float|list|numpy.ndarray|Tensor) - 均匀分布的下边界。数据类型为 int、float、list、numpy.ndarray 或 Tensor。
high (int|float|list|numpy.ndarray|Tensor) - 均匀分布的上边界。数据类型为 int、float、list、numpy.ndarray 或 Tensor。
name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。
代码示例¶
>>> import paddle
>>> from paddle.distribution import Uniform
>>> paddle.seed(2023)
>>> # Without broadcasting, a single uniform distribution [3, 4]:
>>> u1 = Uniform(low=3.0, high=4.0)
>>> # 2 distributions [1, 3], [2, 4]
>>> u2 = Uniform(low=[1.0, 2.0], high=[3.0, 4.0])
>>> # 4 distributions
>>> u3 = Uniform(low=[[1.0, 2.0], [3.0, 4.0]],
... high=[[1.5, 2.5], [3.5, 4.5]])
...
>>> # With broadcasting:
>>> u4 = Uniform(low=3.0, high=[5.0, 6.0, 7.0])
>>> # Complete example
>>> value_tensor = paddle.to_tensor([0.8], dtype="float32")
>>> uniform = Uniform([0.], [2.])
>>> sample = uniform.sample([2])
>>> # a random tensor created by uniform distribution with shape: [2, 1]
>>> entropy = uniform.entropy()
>>> print(entropy)
Tensor(shape=[1], dtype=float32, place=Place(cpu), stop_gradient=True,
[0.69314718])
>>> lp = uniform.log_prob(value_tensor)
>>> print(lp)
Tensor(shape=[1], dtype=float32, place=Place(cpu), stop_gradient=True,
[-0.69314718])
>>> p = uniform.probs(value_tensor)
>>> print(p)
Tensor(shape=[1], dtype=float32, place=Place(cpu), stop_gradient=True,
[0.50000000])
方法¶
sample(shape, seed=0)¶
生成指定维度的样本。
参数
shape (list) - 1 维列表，指定生成样本的维度。数据类型为 int32。
seed (int) - 长整型数。
返回
Tensor，预先设计好维度的 Tensor，数据类型为 float32。
log_prob(value)¶
对数概率密度函数
参数
value (Tensor) - 输入 Tensor。数据类型为 float32 或 float64。
返回
Tensor，对数概率，数据类型与 value 相同。
probs(value)¶
概率密度函数
参数
value (Tensor) - 输入 Tensor。数据类型为 float32 或 float64。
返回
Tensor，概率，数据类型与 value 相同。