- 1数据库原理及应用（MySQL）_mysql数据库原理与应用电子版
- 2vue-cli3 关闭eslint_vue3 overlay: false
- 3【无标题】语音LPCC特征提取的研究_lpcc和lpc的区别
- 4多模态模型及大模型总结_多模态大模型
- 5计算机主机爆炸,刚装的PC：开机使用突然爆炸！竟是电源惹的祸
- 6BSS段
- 7程序员PS技能（四）：程序员创建PSD文件、展示简单PSD设计流程，上传PSD至蓝湖，并下载Demo切图
- 8手把手教会你如何通过ChatGPT API实现上下文对话_js调用chatgptapi回答上下文
- 9用Robotframework+selenium 进行webui页面自动化测试_selenium / robot framework 自动化
- 10被老师夸了的汇报，2023计算机视觉最新论文自监督_top-down visual attention from analysis by synthes
Torch.Distributions.Normal
赞
踩
>>> m = Normal(torch.tensor([0.0]), torch.tensor([1.0]))
>>> m.sample() # 生成数据，可传shape参数
tensor([ 0.1046])
- 1
- 2
- 3
接口log_prob(self, value)
返回value概率的log值，正态分布公式为
f
(
x
)
=
1
2
π
σ
e
x
p
(
−
(
x
−
μ
)
2
2
σ
2
)
f(x)=\frac{1}{\sqrt{2\pi}\sigma}exp(-\frac{(x-\mu)^2}{2\sigma^2})
f(x)=2π
σ1exp(−2σ2(x−μ)2)
函数的计算公式为：
l
o
g
(
f
(
x
)
)
=
−
l
o
g
(
2
π
)
−
l
o
g
(
σ
)
−
(
x
−
μ
)
2
2
σ
2
log(f(x)) = -log(\sqrt{2\pi})-log(\sigma)-\frac{(x-\mu)^2}{2\sigma^2}
log(f(x))=−log(2π
)−log(σ)−2σ2(x−μ)2
接口def entropy(self)
返回值公式
1
2
+
2
π
2
+
l
o
g
(
σ
)
\frac{1}{2}+\frac{2\pi}{2}+log(\sigma)
21+22π+log(σ)
看着就是正态分布公式的log值，但不知为什么多个
1
2
\frac{1}{2}
21
