AbsTransform¶
取绝对值变换 \(y = |x|\) 。
AbsTransform 不是双射变换，其逆变换处理逻辑如下：
当 \(y \in (0, +\infty )\) ,
AbsTransform.inverse(y)返回元组(-y, y)。当 \(y=0\) ,
AbsTransform.inverse(y)返回(0, 0)。当 \(y \in (-\infty, 0)\)，为了避免对
Tensor数据进行判断带来性能下降，AbsTransform.inverse(y)仍返回(-y, y)，注意这本质上是一个错误结果，仅仅出于 性能考虑。
代码示例¶
import paddle
abs = paddle.distribution.AbsTransform()
print(abs.forward(paddle.to_tensor([-1., 0., 1.])))
# Tensor(shape=[3], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# [1., 0., 1.])
print(abs.inverse(paddle.to_tensor(1.)))
# (Tensor(shape=[1], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# [-1.]), Tensor(shape=[1], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# [1.]))
# The |dX/dY| is constant 1. So Log|dX/dY| == 0
print(abs.inverse_log_det_jacobian(paddle.to_tensor(1.)))
# (Tensor(shape=[], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# 0.), Tensor(shape=[], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# 0.))
#Special case handling of 0.
print(abs.inverse(paddle.to_tensor(0.)))
# (Tensor(shape=[1], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# [0.]), Tensor(shape=[1], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# [0.]))
print(abs.inverse_log_det_jacobian(paddle.to_tensor(0.)))
# (Tensor(shape=[], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# 0.), Tensor(shape=[], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# 0.))
方法¶
forward(x)¶
计算正变换 \(y=f(x)\) 的结果。
参数
x (Tensor) - 正变换输入参数，通常为 Distribution 的随机采样结果。
返回
y (Tensor) - 正变换的计算结果。
forward_log_det_jacobian(x)¶
计算正变换雅可比行列式绝对值的对数。
如果变换不是一一映射，则雅可比矩阵不存在，返回 NotImplementedError 。
参数
x (Tensor) - 输入参数。
返回
Tensor - 正变换雅可比行列式绝对值的对数。
inverse_log_det_jacobian(y)¶
计算逆变换雅可比行列式绝对值的对数。
与 forward_log_det_jacobian 互为负数。
参数
y (Tensor) - 输入参数。
返回
Tensor - 逆变换雅可比行列式绝对值的对数。