StackTransform¶
StackTransform
将一系列变换沿着某个特定轴作用于一个输入 Tensor 上。
参数¶
transforms (Sequence[Transform]) - 变换序列。
axis (int,可选) - 待变换的轴,默认值为 0,表示沿着第 0 个轴变换。
代码示例¶
import paddle
x = paddle.stack(
(paddle.to_tensor([1., 2., 3.]), paddle.to_tensor([1, 2., 3.])), 1)
t = paddle.distribution.StackTransform(
(paddle.distribution.ExpTransform(),
paddle.distribution.PowerTransform(paddle.to_tensor(2.))),
1
)
print(t.forward(x))
# Tensor(shape=[3, 2], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# [[2.71828175 , 1. ],
# [7.38905621 , 4. ],
# [20.08553696, 9. ]])
print(t.inverse(t.forward(x)))
# Tensor(shape=[3, 2], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# [[1., 1.],
# [2., 2.],
# [3., 3.]])
print(t.forward_log_det_jacobian(x))
# Tensor(shape=[3, 2], dtype=float32, place=Place(gpu:0), stop_gradient=True,
# [[1. , 0.69314718],
# [2. , 1.38629436],
# [3. , 1.79175949]])
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
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,抛出 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。