mindspore.nn.probability.distribution.LogNormal

class mindspore.nn.probability.distribution.LogNormal(loc=None, scale=None, seed=0, dtype=mstype.float32, name='LogNormal')[源代码]

对数正态分布（LogNormal distribution）。连续随机分布，取值范围为 \((0, \inf)\) ，概率密度函数为

\[f(x, a, b) = 1 / xb\sqrt{2\pi} \exp(-(\ln(x) - a)^2 / 2b^2).\]

其中 \(a, b\) 为分别为基础正态分布的平均值和标准差。服从对数正态分布的随机变量的对数服从正态分布。它被构造为正态分布的指数变换。

参数：

loc (int, float, list, numpy.ndarray, Tensor) - 基础正态分布的平均值。默认值：None。
scale (int, float, list, numpy.ndarray, Tensor) - 基础正态分布的标准差。默认值：None。
seed (int) - 采样时使用的种子。如果为None，则使用全局种子。默认值：0。
dtype (mindspore.dtype) - 分布类型。默认值：mstype.float32。
name (str) - 分布的名称。默认值：’LogNormal’。

Note

scale 必须大于零。
dtype 必须是float，因为对数正态分布是连续的。

异常：

ValueError - scale 中元素小于0。
TypeError - dtype 不是float的子类。

支持平台：

Ascend GPU

样例：

>>> import numpy as np
>>> import mindspore
>>> import mindspore.nn as nn
>>> import mindspore.nn.probability.distribution as msd
>>> from mindspore import Tensor
>>> class Prob(nn.Cell):
...     def __init__(self):
...         super(Prob, self).__init__()
...         self.ln = msd.LogNormal(np.array([0.3]), np.array([[0.2], [0.4]]), dtype=mindspore.float32)
...     def construct(self, x_):
...         return self.ln.prob(x_)
>>> pdf = Prob()
>>> output = pdf(Tensor([1.0, 2.0], dtype=mindspore.float32))
>>> print(output.shape)
(2, 2)

property loc

返回分布位置。

返回：: Tensor，分布的位置值。

property scale

返回分布比例。

返回：: Tensor，分布的比例值。

cdf(value, loc, scale)

在给定值下计算累积分布函数（Cumulatuve Distribution Function, CDF）。

参数：

value (Tensor) - 要计算的值。
loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，累积分布函数的值。

cross_entropy(dist, loc_b, scale_b, loc, scale)

计算分布a和b之间的交叉熵。

参数：

dist (str) - 分布的类型。
loc_b (Tensor) - 对比分布位置参数。
scale_b (Tensor) - 对比分布比例参数。
loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，交叉熵的值。

entropy(loc, scale)

计算熵。

参数：

loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，熵的值。

kl_loss(dist, loc_b, scale_b, loc, scale)

计算KL散度，即KL(a||b)。

参数：

dist (str) - 分布的类型。
loc_b (Tensor) - 对比分布位置参数。
scale_b (Tensor) - 对比分布比例参数。
loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，KL散度。

log_cdf(value, loc, scale)

计算给定值对于的累积分布函数的对数。

参数：

value (Tensor) - 要计算的值。
loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，累积分布函数的对数。

log_prob(value, loc, scale)

计算给定值对应的概率的对数。

参数：

value (Tensor) - 要计算的值。
loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，累积分布函数的对数。

log_survival(value, loc, scale)

计算给定值对应的生存函数的对数。

参数：

value (Tensor) - 要计算的值。
loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，生存函数的对数。

mean(loc, scale)

计算期望。

参数：

loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，概率分布的期望。

mode(loc, scale)

计算众数。

参数：

loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，概率分布的众数。

prob(value, loc, scale)

计算给定值下的概率。对于连续是计算概率密度函数（Probability Density Function）。

参数：

value (Tensor) - 要计算的值。
loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，概率值。

sample(shape, loc, scale)

采样函数。

参数：

shape (tuple) - 样本的shape。
loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，根据概率分布采样的样本。

sd(loc, scale)

计算标准差。

参数：

loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，概率分布的标准差。

survival_function(value, loc, scale)

计算给定值对应的生存函数。

参数：

value (Tensor) - 要计算的值。
loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，生存函数的值。

var(loc, scale)

计算方差。

参数：

loc (Tensor) - 分布位置参数。默认值：None。
scale (Tensor) - 分布比例参数。默认值：None。

返回：

Tensor，概率分布的方差。