Normal

class paddle.fluid.layers. Normal ( loc, scale ) [源代码]

正态分布

数学公式：

上面的数学公式中：

: 平均值。 scale=σscale=σ : 标准差。 ZZ: 正态分布常量。

参数：

• loc (float|list|numpy.ndarray|Variable) - 正态分布平均值。数据类型为float32。

• scale (float|list|numpy.ndarray|Variable) - 正态分布标准差。数据类型为float32。

代码示例：

import numpy as np
from paddle.fluid import layers
    from paddle.fluid.layers import Normal
# 定义参数为float的正态分布。
dist = Normal(loc=0., scale=3.)
# 定义一组有两个数的正态分布。
# 第一组为均值1，标准差11，第二组为均值2，标准差22。
dist = Normal(loc=[1., 2.], scale=[11., 22.])
# 得到3个样本, 返回一个 3 x 2 张量。
dist.sample([3])
# 通过广播的方式，定义一个两个参数的正态分布。
# 均值都是1，标准差不同。
dist = Normal(loc=1., scale=[11., 22.])
# 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)
normal_a = Normal([0.], [1.])
normal_b = Normal([0.5], [2.])
sample = normal_a.sample([2])
# 一个由定义好的正太分布随机生成的张量，维度为: [2, 1]
entropy = normal_a.entropy()
# [1.4189385] with shape: [1]
lp = normal_a.log_prob(value_tensor)
# [-1.2389386] with shape: [1]
kl = normal_a.kl_divergence(normal_b)
# [0.34939718] 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：正态分布的信息熵, 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

kl_divergence ( other )

两个正态分布之间的KL散度。

参数：

• other (Normal) - Normal的实例。

返回：两个正态分布之间的KL散度, 数据类型为float32

返回类型：Variable