gluonts.mx.distribution.deterministic 模块#

class gluonts.mx.distribution.deterministic.Deterministic(value: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol])[source]#

基类：gluonts.mx.distribution.distribution.Distribution

确定性/退化分布。 :param value: 包含值的张量，形状为 (*batch_shape, *event_shape)。 :param F

属性 F#

arg_names: Tuple#

属性 args: List#

属性 batch_shape: Tuple#

分布所考虑的事件集合的布局。

从分布中调用 sample() 会产生形状为 batch_shape + event_shape 的张量，而计算该样本上的 log_prob（或更广义地说，loss）会产生形状为 batch_shape 的张量。

此属性通常仅在 mx.ndarray 模式下可用，此时可以访问分布参数的形状。

cdf(x)[source]#: 返回在 x 处评估的累积分布函数的值。

属性 event_dim: int#

事件维度数量，即 event_shape 元组的长度。

对于标量分布，此值为 0；对于向量分布，此值为 1；对于矩阵分布，此值为 2，依此类推。

属性 event_shape: Tuple#

分布所考虑的每个单独事件的形状。

例如，标量分布的 event_shape = ()，向量分布的 event_shape = (d, )，其中 d 是向量的长度，矩阵分布的 event_shape = (d1, d2)，依此类推。

从分布中调用 sample() 会产生形状为 batch_shape + event_shape 的张量。

此属性通常仅在 mx.ndarray 模式下可用，此时可以访问分布参数的形状。

is_reparameterizable = True#

log_prob(x: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) → Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]][source]#

计算分布在 x 处的对数密度。

参数: x – 形状为 (*batch_shape, *event_shape) 的张量。
返回值: 形状为 batch_shape 的张量，包含 x 中每个事件的分布对数密度。
返回类型: 张量

属性 mean: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]#: 包含分布均值的张量。

quantile(level: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) → Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]][source]#

计算给定水平的分位数。

参数

level – 用于计算分位数的水平值。level 应该是一个介于 0 和 1 之间的水平值的一维张量。

返回值

返回与传递的水平相对应的分位数。返回形状为

(num_levels, …DISTRIBUTION_SHAPE…),

其中 DISTRIBUTION_SHAPE 是底层分布的形状。

返回类型

分位数

sample(num_samples: typing.Optional[int] = None, dtype=<class 'numpy.float32'>) → Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]][source]#

从分布中抽取样本。

如果指定了 num_samples，则输出的第一个维度将是 num_samples。

参数

num_samples – 要抽取的样本数量。
dtype – 样本的数据类型。

返回值

包含样本的张量。如果 num_samples = None，则形状为 (*batch_shape, *eval_shape)，否则为 (num_samples, *batch_shape, *eval_shape)。

返回类型

张量

属性 stddev: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]#: 包含分布标准差的张量。

类 gluonts.mx.distribution.deterministic.DeterministicArgProj(value: float, args_dim: typing.Dict[str, int], dtype: typing.Type = <class 'numpy.float32'>, **kwargs)[source]#

基类：mxnet.gluon.block.HybridBlock

hybrid_forward(F, x: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) → Tuple[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]][source]#

覆盖以为此 Block 构建符号图。

参数

x (Symbol 或 NDArray) – 第一个输入张量。
*args (Symbol 列表 或 NDArray 列表) – 其他输入张量。

类 gluonts.mx.distribution.deterministic.DeterministicOutput(value: float)[source]#

基类：gluonts.mx.distribution.distribution_output.DistributionOutput

args_dim: Dict[str, int] = {'value': 1}#

distr_cls#: gluonts.mx.distribution.deterministic.Deterministic 的别名

属性 event_shape: Tuple#: 此对象构建的分布所考虑的每个单独事件的形状。

get_args_proj(prefix: Optional[str] = None) → mxnet.gluon.block.HybridBlock[source]#