Python tf.compat.v1.distributions.Laplace用法及代码示例

参数

• loc 浮点张量，表征分布的位置(中心)。
• scale 正浮点张量，表征分布的扩散。
• validate_args Python bool ，默认 False 。尽管可能会降低运行时性能，但检查 True 分发参数的有效性时。当False 无效输入可能会默默呈现不正确的输出。
• allow_nan_stats Python bool ，默认 True 。当 True 时，统计信息(例如，均值、众数、方差)使用值“NaN”来指示结果未定义。当 False 时，如果一个或多个统计数据的批处理成员未定义，则会引发异常。
• name Python str 名称以此类创建的 Ops 为前缀。

抛出

• TypeError 如果 loc 和 scale 具有不同的 dtype。

属性

• allow_nan_stats Pythonbool说明未定义统计信息时的行为。

  统计数据在有意义时返回 +/- 无穷大。例如，柯西分布的方差是无穷大的。但是，有时统计数据是未定义的，例如，如果分布的 pdf 在分布的支持范围内没有达到最大值，则模式是未定义的。如果均值未定义，则根据定义，方差未定义。例如： df = 1 的 Student's T 的平均值是未定义的(没有明确的方式说它是 + 或 - 无穷大)，因此方差 = E[(X - mean)**2] 也是未定义的。

• batch_shape 来自单个事件索引的单个样本的形状作为TensorShape.

  可能部分定义或未知。

  批次维度是该分布的独立、不同参数化的索引。

• dtype Tensor 的 DType 由此 Distribution 处理。
• event_shape 单个批次的单个样品的形状作为TensorShape.

  可能部分定义或未知。

• loc 位置的分布参数。
• name 此 Distribution 创建的所有操作前的名称。
• parameters 用于实例化此 Distribution 的参数字典。
• reparameterization_type 说明如何重新参数化分布中的样本。

  目前这是静态实例 distributions.FULLY_REPARAMETERIZED 或 distributions.NOT_REPARAMETERIZED 之一。

• scale 规模分布参数。
• validate_args Python bool 表示启用了可能昂贵的检查。