mindspore.nn.probability.bijector.GumbelCDF
- class mindspore.nn.probability.bijector.GumbelCDF(loc=0.0, scale=1.0, name='GumbelCDF')[源代码]
GumbelCDF Bijector。 此Bijector对应的映射函数为:
\[Y = \exp(-\exp(\frac{-(X - loc)}{scale}))\]- 参数:
loc (float, list, numpy.ndarray, Tensor) - 位移因子,即上述公式中的loc。默认值:
0.0
。scale (float, list, numpy.ndarray, Tensor) - 比例因子,即上述公式中的scale。默认值:
1.0
。name (str) - Bijector名称。默认值:
'GumbelCDF'
。
说明
scale 中元素必须大于零。
对于 inverse 和 inverse_log_jacobian ,输入应在(0, 1)范围内。
loc 和 scale 中元素的数据类型必须为float。
如果 loc 、 scale 作为numpy.ndarray或Tensor传入,则它们必须具有相同的数据类型,否则将引发错误。
- 异常:
TypeError - loc 或 scale 中元素的数据类型不为float,或 loc 和 scale 中元素的数据类型不相同。
- 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 GumbelCDF bijector of loc 1.0, and scale 2.0. >>> gumbel_cdf = msb.GumbelCDF(1.0, 2.0) >>> # To use a GumbelCDF bijector in a network. >>> x = Tensor([1, 2, 3], dtype=mindspore.float32) >>> y = Tensor([0.1, 0.2, 0.3], dtype=mindspore.float32) >>> ans1 = gumbel_cdf.forward(x) >>> print(ans1.shape) (3,) >>> ans2 = gumbel_cdf.inverse(y) >>> print(ans2.shape) (3,) >>> ans3 = gumbel_cdf.forward_log_jacobian(x) >>> print(ans3.shape) (3,) >>> ans4 = gumbel_cdf.inverse_log_jacobian(y) >>> print(ans4.shape) (3,)
- 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。
- forward(value)
正映射,计算输入随机变量经过映射后的值。
- 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。
- 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,计算输出随机变量对应的输入随机变量的值。
- 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。
- 参数:
value (Tensor) - 输出随机变量的值。
- 返回:
Tensor,逆映射导数的对数值。