文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.nn.probability.bijector.Softplus

class mindspore.nn.probability.bijector.Softplus(sharpness=1.0, name='Softplus')

Softplus Bijector。 此Bijector对应的映射函数为：

$$Y=g(x)=\frac{\log (1+e^{kX})}{k}$$

其中k是锐度因子。

参数：

• sharpness (float, list, numpy.ndarray, Tensor) - 锐度因子，上述公式中的k。默认值：1.0。

• name (str) - Bijector名称。默认值：’Softplus’。

说明

sharpness 中元素的数据类型必须为float。

异常：

• TypeError - sharpness中元素的数据类型不为float。

支持平台：

Ascend GPU

样例：

>>> import mindspore
>>> import mindspore.nn as nn
>>> import mindspore.nn.probability.bijector as msb
>>> from mindspore import Tensor
>>>
>>> # To initialize a Softplus bijector of sharpness 2.0.
>>> softplus = msb.Softplus(2.0)
>>> # To use a ScalarAffine bijector in a network.
>>> value = Tensor([1, 2, 3], dtype=mindspore.float32)
>>> ans1 = softplus.forward(value)
>>> print(ans1.shape)
(3,)
>>> ans2 = softplus.inverse(value)
>>> print(ans2.shape)
(3,)
>>> ans3 = softplus.forward_log_jacobian(value)
>>> print(ans3.shape)
(3,)
>>> ans4 = softplus.inverse_log_jacobian(value)
>>> print(ans4.shape)
(3,)

property sharpness

返回映射的锐度因子。

返回：

Tensor，映射的锐度因子。

forward(value)

正映射，计算输入随机变量 $X=value$ 经过映射后的值 $Y=g(value)$。

参数：

• value (Tensor) - 输入随机变量的值。

返回：

Tensor，输入随机变量的值。

forward_log_jacobian(value)

计算正映射导数的对数值，即 $\log (dg(x)/dx)$。

参数：

• value (Tensor) - 输入随机变量的值。

返回：

Tensor，正映射导数的对数值。

inverse(value)

正映射，计算输出随机变量 $Y=value$ 时对应的输入随机变量的值 $X=g(value)$。

参数：

• value (Tensor) - 输出随机变量的值。

返回：

Tensor，输出随机变量的值。

inverse_log_jacobian(value)

计算逆映射导数的对数值，即 $\log (d{g}^{-1}(x)/dx)$。

参数：

• value (Tensor) - 输出随机变量的值。

返回：

Tensor，逆映射导数的对数值。