.. py:class:: paddle.fluid.layers.Uniform(low, high)
均匀分布
概率密度函数(pdf)为:
pdf(x; a, b) = \frac{1}{Z}, a <=x < b
Z = b - a
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。
- low (float|list|numpy.ndarray|Variable) - 均匀分布的下边界。数据类型为float32。
- high (float|list|numpy.ndarray|Variable) - 均匀分布的上边界。数据类型为float32。
import numpy as np
from paddle.fluid import layers
from paddle.fluid.layers import Uniform
# 定义参数为float的均匀分布
u1 = Uniform(low=3.0, high=4.0)
# 定义参数为list的均匀分布
u2 = Uniform(low=[1.0, 2.0],
high=[3.0, 4.0])
# 通过广播的方式,定义一个均匀分布
u3 = Uniform(low=[[1.0, 2.0],
[3.0, 4.0]],
high=[[1.5, 2.5],
[3.5, 4.5]])
# 通过广播的方式,定义一个均匀分布
u4 = Uniform(low=3.0, high=[5.0, 6.0, 7.0])
# 一个完整的例子
value_npdata = np.array([0.8], dtype="float32")
value_tensor = layers.create_tensor(dtype="float32")
layers.assign(value_npdata, value_tensor)
uniform = Uniform([0.], [2.])
sample = uniform.sample([2])
# 一个由定义好的均匀分布随机生成的张量,维度为: [2, 1]
entropy = uniform.entropy()
# [0.6931472] with shape: [1]
lp = uniform.log_prob(value_tensor)
# [-0.6931472] with shape: [1]
.. py:function:: sample(shape, seed=0)
生成指定维度的样本
- 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。
预先设计好维度的张量, 数据类型为float32
Variable
.. py:function:: entropy()
信息熵
均匀分布的信息熵, 数据类型为float32
Variable
.. py:function:: log_prob(value)
对数概率密度函数
- value (Variable) - 输入张量。数据类型为float32或float64。
对数概率, 数据类型与value相同
Variable