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

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

其中 \(\mu, \sigma\) 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'

说明

  • 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。