mindspore.nn.probability.distribution.Laplace
================================================

.. py:class:: mindspore.nn.probability.distribution.Laplace(mean=None, sd=None, seed=None, dtype=mstype.float32, name='Laplace')

    拉普拉斯分布（Laplace distribution）。
    连续随机分布，取值范围为 :math:`(-\inf, \inf)` ，概率密度函数为

    .. math::
        f(x, \mu, b) = 1 / (2 * b) * \exp(-abs(x - \mu) / b).

    其中 :math:`\mu, b` 为分别为拉普拉斯分布的期望与扩散度。

    参数：
        - **mean** (Union[int, float, list, numpy.ndarray, Tensor], 可选) - 拉普拉斯分布的平均值。
          如果输入为None，那么分布的平均值将在运行时传入。如果设置为默认值：None。
        - **sd** (Union[int, float, list, numpy.ndarray, Tensor], 可选) - 拉普拉斯分布的扩散度。
          如果输入为None，那么分布的扩散度将在运行时传入。默认值：None。
        - **seed** (int，可选) - 采样时使用的种子。如果为None，则使用全局种子。默认值：None。
        - **dtype** (mindspore.dtype，可选) - 事件样例的类型。默认值：mstype.float32。
        - **name** (str，可选) - 分布的名称。默认值：'Laplace'。

    .. note:: 
        - `sd` 必须大于0。
        - `dtype` 必须是float，因为拉普拉斯分布是连续的。
        - 如果在方法函数调用中传入参数 `mean` 或者 `sd` ，则计算中会使用其传参值，否则就会使用初始化时的参数值。

    异常：
        - **ValueError** - `sd` 中元素不大于0。
        - **TypeError** - `dtype` 不是float的子类。

    .. py:method:: log_prob(value, mean=None, sd=None)

        计算拉普拉斯分布给定值对应的概率的对数。

        参数：
            - **value** (Tensor) - 要计算的值。
            - **mean** (Tensor, 可选) - 分布的期望。默认值：None。
            - **sd** (Tensor, 可选) - 分布的扩散度。默认值：None。

        返回：
            Tensor，概率密度函数的对数。