AffineTransform¶
仿射变换 \(y = loc + scale \times x\) 。
参数¶
loc (Tensor) - 表示偏置参数。
scale (Tensor) - 表示缩放参数。
代码示例¶
import paddle
x = paddle.to_tensor([1., 2.])
affine = paddle.distribution.AffineTransform(paddle.to_tensor(0.), paddle.to_tensor(1.))
print(affine.forward(x))
# Tensor(shape=[2], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# [1., 2.])
print(affine.inverse(affine.forward(x)))
# Tensor(shape=[2], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# [1., 2.])
print(affine.forward_log_det_jacobian(x))
# Tensor(shape=[1], 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。