Categorical¶

class paddle.fluid.layers. Categorical ( logits ) [源代码] ¶

类别分布是一种离散概率分布，其随机变量可以取K个相互独立类别的其中一个。

概率质量函数（pmf）为：

\[pmf(k; p_i) =\prod_{i=1}^{k} p_i^{[x=i]}\]

上面公式中:

\([x = i]\) 表示：如果 \(x==i\) ，则表达式取值为1，否则取值为0。

参数：

logits (list|numpy.ndarray|Variable) - 类别分布对应的logits。数据类型为float32。

代码示例：

import numpy as np
from paddle.fluid import layers
from paddle.fluid.layers import Categorical

a_logits_npdata = np.array([-0.602,-0.602], dtype="float32")
a_logits_tensor = layers.create_tensor(dtype="float32")
layers.assign(a_logits_npdata, a_logits_tensor)

b_logits_npdata = np.array([-0.102,-0.112], dtype="float32")
b_logits_tensor = layers.create_tensor(dtype="float32")
layers.assign(b_logits_npdata, b_logits_tensor)

a = Categorical(a_logits_tensor)
b = Categorical(b_logits_tensor)

a.entropy()
# [0.6931472] with shape: [1]

b.entropy()
# [0.6931347] with shape: [1]

a.kl_divergence(b)
# [1.2516975e-05] with shape: [1]

kl_divergence ( other ) ¶

相对于另一个类别分布的KL散度

参数：

other (Categorical) - 输入的另一个类别分布。数据类型为float32。

返回：相对于另一个类别分布的KL散度, 数据类型为float32

返回类型：Variable

entropy ( ) ¶

信息熵

返回：类别分布的信息熵, 数据类型为float32

返回类型：Variable

PaddlePaddle

paddle.fluid / layers / Categorical

Categorical¶

PaddlePaddle

paddle

paddle.amp

paddle.callbacks

paddle.compat

paddle.distributed

paddle.distribution

paddle.fluid

paddle.io

paddle.jit

paddle.metric

paddle.nn

paddle.onnx

paddle.optimizer

paddle.regularizer

paddle.static

paddle.sysconfig

paddle.text

paddle.utils

paddle.vision

paddle.fluid / layers / Categorical

Categorical¶