Uniform

  • class paddle.fluid.layers.Uniform(low, high)[源代码]

均匀分布

概率密度函数（pdf）为：

Uniform - 图1

上面的数学公式中：

Uniform - 图2 。 Uniform - 图3 。 Uniform - 图4 : 正态分布常量。

参数low和high的维度必须能够支持广播。

  • 参数：
    • 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。

代码示例：

  1. import numpy as np
  2. from paddle.fluid import layers
  3. from paddle.fluid.layers import Uniform
  4.  
  5. # 定义参数为float的均匀分布
  6. u1 = Uniform(low=3.0, high=4.0)
  7. # 定义参数为list的均匀分布
  8. u2 = Uniform(low=[1.0, 2.0],
  9.               high=[3.0, 4.0])
  10. # 通过广播的方式，定义一个均匀分布
  11. u3 = Uniform(low=[[1.0, 2.0],
  12.           [3.0, 4.0]],
  13.      high=[[1.5, 2.5],
  14.            [3.5, 4.5]])
  15.  
  16. # 通过广播的方式，定义一个均匀分布
  17. u4 = Uniform(low=3.0, high=[5.0, 6.0, 7.0])
  18.  
  19. # 一个完整的例子
  20. value_npdata = np.array([0.8], dtype="float32")
  21. value_tensor = layers.create_tensor(dtype="float32")
  22. layers.assign(value_npdata, value_tensor)
  23.  
  24. uniform = Uniform([0.], [2.])
  25.  
  26. sample = uniform.sample([2])
  27. # 一个由定义好的均匀分布随机生成的张量，维度为: [2, 1]
  28. entropy = uniform.entropy()
  29. # [0.6931472] with shape: [1]
  30. lp = uniform.log_prob(value_tensor)
  31. # [-0.6931472] with shape: [1]
  • 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：预先设计好维度的张量, 数据类型为float32

返回类型：Variable

  • entropy()

信息熵

返回：均匀分布的信息熵, 数据类型为float32

返回类型：Variable

  • log_prob(value)

对数概率密度函数

  • 参数：
    • value (Variable) - 输入张量。数据类型为float32或float64。

返回：对数概率, 数据类型与value相同

返回类型：Variable