文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.nn.probability.distribution.Laplace

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 $(-inf,inf)$ ，概率密度函数为

$$f(x,\mu ,b)=1/(2\ast b)\ast \exp (-abs(x-\mu )/b).$$

其中 $\mu ,b$ 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' 。

说明

• 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。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import mindspore.nn as nn
>>> from mindspore.nn.probability.distribution import Laplace
>>> from mindspore import Tensor
>>> # To initialize a Laplace distribution of the mean 3.0 and the scale 4.0.
>>> n1 = Laplace(3.0, 4.0, dtype=mindspore.float32)
>>> # A Laplace distribution can be initialized without arguments.
>>> # In this case, `mean` and `sd` must be passed in through arguments.
>>> n2 = Laplace(dtype=mindspore.float32)
>>> # Here are some tensors used below for testing
>>> value = Tensor([1.0, 2.0, 3.0], dtype=mindspore.float32)
>>> mean_a = Tensor([2.0], dtype=mindspore.float32)
>>> sd_a = Tensor([2.0, 2.0, 2.0], dtype=mindspore.float32)
>>> mean_b = Tensor([1.0], dtype=mindspore.float32)
>>> sd_b = Tensor([1.0, 1.5, 2.0], dtype=mindspore.float32)
>>> ans = n1.log_prob(value)
>>> print(ans.shape)
(3,)
>>> # Evaluate with respect to the distribution b.
>>> ans = n1.log_prob(value, mean_b, sd_b)
>>> print(ans.shape)
(3,)
>>> # `mean` and `sd` must be passed in during function calls
>>> ans = n2.log_prob(value, mean_a, sd_a)
>>> print(ans.shape)
(3,)

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。