mindspore.nn.probability.distribution.Gumbel

class mindspore.nn.probability.distribution.Gumbel(loc, scale, seed=0, dtype=mstype.float32, name='Gumbel')

Gumbel分布（Gumbel distribution）。 连续随机分布，取值范围为所有实数 ，概率密度函数为

\[f(x, a, b) = 1 / b \exp(\exp(-(x - a) / b) - x)\]

其中 \(a, b\) 为分别为Gumbel分布的位置参数和比例参数。

参数：

• loc (int, float, list, numpy.ndarray, Tensor) - Gumbel分布的位置。

• scale (int, float, list, numpy.ndarray, Tensor) - Gumbel分布的尺度。

• 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： 'Gumbel' 。

说明

• scale 必须大于零。

• dtype 必须是浮点类型，因为Gumbel分布是连续的。

• GPU后端不支持 kl_loss 和 cross_entropy 。

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 mindspore
>>> import numpy as np
>>> import mindspore.nn.probability.distribution as msd
>>> import mindspore.nn as nn
>>> from mindspore import Tensor
>>> class Prob(nn.Cell):
...     def __init__(self):
...         super(Prob, self).__init__()
...         self.gum = msd.Gumbel(np.array([0.0]), np.array([[1.0], [2.0]]), dtype=mindspore.float32)
...
...     def construct(self, x_):
...         return self.gum.prob(x_)
>>> value = np.array([1.0, 2.0]).astype(np.float32)
>>> pdf = Prob()
>>> output = pdf(Tensor(value, dtype=mindspore.float32))

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。