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。