Uniform

class paddle.distribution. Uniform ( low, high, name=None ) [源代码]

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

# 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()
# [0.6931472] with shape: [1]
lp = uniform.log_prob(value_tensor)
# [-0.6931472] with shape: [1]
p = uniform.probs(value_tensor)
# [0.5] with shape: [1]

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。

entropy()

信息熵

\[entropy(low, high) = \log (high - low)\]

返回

Tensor,均匀分布的信息熵,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。