forked from mindspore-Ecosystem/mindspore
108 lines
4.0 KiB
ReStructuredText
108 lines
4.0 KiB
ReStructuredText
|
mindspore.nn.probability.distribution.Bernoulli
|
|||
|
|
================================================
|
|||
|
|
|
|||
|
|
.. py:class:: mindspore.nn.probability.distribution.Bernoulli(probs=None, seed=None, dtype=mindspore.int32, name='Bernoulli')
|
|||
|
|
|
|||
|
|
伯努利分布（Bernoulli Distribution）。
|
|||
|
|
|
|||
|
|
**参数：**
|
|||
|
|
|
|||
|
|
- **probs** (float, list, numpy.ndarray, Tensor) - 结果是1的概率。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：None。
|
|||
|
|
- **dtype** (mindspore.dtype) - 采样结果的数据类型。默认值：mindspore.int32.
|
|||
|
|
- **name** (str) - 分布的名称。默认值：'Bernoulli'。
|
|||
|
|
|
|||
|
|
**支持平台：**
|
|||
|
|
|
|||
|
|
``Ascend`` ``GPU``
|
|||
|
|
|
|||
|
|
.. note::
|
|||
|
|
`probs` 必须是合适的概率（0<p<1）。
|
|||
|
|
|
|||
|
|
**样例：**
|
|||
|
|
|
|||
|
|
>>> import mindspore
|
|||
|
|
>>> import mindspore.nn as nn
|
|||
|
|
>>> import mindspore.nn.probability.distribution as msd
|
|||
|
|
>>> from mindspore import Tensor
|
|||
|
|
>>> # 初始化伯努利分布，probs设置为1。
|
|||
|
|
>>> b1 = msd.Bernoulli(0.5, dtype=mindspore.int32)
|
|||
|
|
>>> # 伯努利分布可以在没有参数的情况下初始化。
|
|||
|
|
>>> # 在这种情况下，`probs`必须在函数调用过程中通过参数传入。
|
|||
|
|
>>> b2 = msd.Bernoulli(dtype=mindspore.int32)
|
|||
|
|
>>> # 下面是用于测试的Tensor
|
|||
|
|
>>> value = Tensor([1, 0, 1], dtype=mindspore.int32)
|
|||
|
|
>>> probs_a = Tensor([0.6], dtype=mindspore.float32)
|
|||
|
|
>>> probs_b = Tensor([0.2, 0.3, 0.4], dtype=mindspore.float32)
|
|||
|
|
>>>
|
|||
|
|
>>> # 公共接口对应的概率函数的私有接口，包括`prob`、`log_prob`、`cdf`、`log_cdf`、`survival_function`、`log_survival`，它们具有相同的参数，如下所示。
|
|||
|
|
>>> # 参数：
|
|||
|
|
>>> # value (Tensor)：要评估的值。
|
|||
|
|
>>> # probs1 (Tensor)：成功的概率。默认值：self.probs.
|
|||
|
|
>>> # 下面是调用`prob`的示例（通过将`prob`替换为函数的名称，可以对其他概率函数进行类似的调用）：
|
|||
|
|
>>> ans = b1.prob(value)
|
|||
|
|
>>> print(ans.shape)
|
|||
|
|
(3,)
|
|||
|
|
>>> # 评估关于分布b的`prob`。
|
|||
|
|
>>> ans = b1.prob(value, probs_b)
|
|||
|
|
>>> print(ans.shape)
|
|||
|
|
(3,)
|
|||
|
|
>>> # `probs`必须在函数调用期间传入。
|
|||
|
|
>>> ans = b2.prob(value, probs_a)
|
|||
|
|
>>> print(ans.shape)
|
|||
|
|
(3,)
|
|||
|
|
>>>
|
|||
|
|
>>> # 函数`mean`、`sd`、`var`和`entropy`具有相同的参数。
|
|||
|
|
>>> # 参数：
|
|||
|
|
>>> # probs1 (Tensor)：成功的概率。默认值：self.probs.
|
|||
|
|
>>> # 下面是调用`mean的`示例。`sd`、`var`和`entropy`与`mean`类似。
|
|||
|
|
>>> ans = b1.mean() # return 0.5
|
|||
|
|
>>> print(ans.shape)
|
|||
|
|
()
|
|||
|
|
>>> ans = b1.mean(probs_b) # return probs_b
|
|||
|
|
>>> print(ans.shape)
|
|||
|
|
(3,)
|
|||
|
|
>>> # `probs`必须在函数调用期间传入。
|
|||
|
|
>>> ans = b2.mean(probs_a)
|
|||
|
|
>>> print(ans.shape)
|
|||
|
|
(1,)
|
|||
|
|
>>>
|
|||
|
|
>>> # `kl_loss`和`cross_entropy`的接口如下：
|
|||
|
|
>>> # 参数：
|
|||
|
|
>>> # dist (str)：分布的名称。仅支持'Bernoulli'。
|
|||
|
|
>>> # probs1_b (Tensor)：分布b成功的概率。
|
|||
|
|
>>> # probs1_a (Tensor)：分布a成功的概率。默认值：self.probs.
|
|||
|
|
>>> # 下面是调用kl_loss的示例。`cross_entropy`也类似。
|
|||
|
|
>>> ans = b1.kl_loss('Bernoulli', probs_b)
|
|||
|
|
>>> print(ans.shape)
|
|||
|
|
(3,)
|
|||
|
|
>>> ans = b1.kl_loss('Bernoulli', probs_b, probs_a)
|
|||
|
|
>>> print(ans.shape)
|
|||
|
|
(3,)
|
|||
|
|
>>> # 必须传入额外的`probs_a`。
|
|||
|
|
>>> ans = b2.kl_loss('Bernoulli', probs_b, probs_a)
|
|||
|
|
>>> print(ans.shape)
|
|||
|
|
(3,)
|
|||
|
|
>>>
|
|||
|
|
>>> # `sample`示例。
|
|||
|
|
>>> # 参数：
|
|||
|
|
>>> # shape (tuple)：样本的shape。默认值：()。
|
|||
|
|
>>> # probs1 (Tensor)：成功的概率。默认值：self.probs.
|
|||
|
|
>>> ans = b1.sample()
|
|||
|
|
>>> print(ans.shape)
|
|||
|
|
()
|
|||
|
|
>>> ans = b1.sample((2,3))
|
|||
|
|
>>> print(ans.shape)
|
|||
|
|
(2, 3)
|
|||
|
|
>>> ans = b1.sample((2,3), probs_b)
|
|||
|
|
>>> print(ans.shape)
|
|||
|
|
(2, 3, 3)
|
|||
|
|
>>> ans = b2.sample((2,3), probs_a)
|
|||
|
|
>>> print(ans.shape)
|
|||
|
|
(2, 3, 1)
|
|||
|
|
|
|||
|
|
|
|||
|
|
.. py:method:: probs
|
|||
|
|
|
|||
|
|
返回结果为1的概率。
|