【Hackathon No.9】为 Paddle 新增 Laplace API #183
Conversation
|
v_liwenbo06 seems not to be a GitHub user. You need a GitHub account to be able to sign the CLA. If you have already a GitHub account, please add the email address used for this commit to your account. You have signed the CLA already but the status is still pending? Let us recheck it. |
|
很抱歉，经过我们的反复讨论，你的PR暂未达到合入标准，请阅读飞桨社区贡献指南，你可以重新提交新的PR，我们先将此PR关闭，感谢你的贡献。 |
|
|
||
| # 二、飞桨现状 | ||
|
|
||
| - 目前 飞桨没有 API `paddle.distribution.Laplace`，但是有API`paddle.distribution.Normal(loc, scale, name=None)`paddle.distribution.Laplace的开发代码风格主要参考此API |
There was a problem hiding this comment.
代码风格可以参考除Normal、Categorical、Uniform外的其余分布，如Multinomial，这几个API目前是存量的，代码整体风及API签名与其它API有些diff，稍后我会补充到任务要求中。
| - `loc (int|float|list|numpy.ndarray|Tensor)` - 正态分布平均值。数据类型为`int、float、list、numpy.ndarray`或`Tensor`。 | ||
|
|
||
| - `scale (int|float|list|numpy.ndarray|Tensor)` 正态分布标准差。数据类型为`int、float、list、numpy.ndarray`或`Tensor`。 | ||
|
|
|
|
||
| ## 不同点 | ||
|
|
||
| - TensorFlow 的 API 有`KL_DIVERGENCE` （KL 散度）`cross_entropy`交叉熵， PyTorch 没有。 |
There was a problem hiding this comment.
Torch的KL散度计算在https://github.com/pytorch/pytorch/blob/master/torch/distributions/kl.py, Paddle设计思路与Torch一致，请至少注册 laplace分布与laplace分布KL散度计算逻辑https://github.com/PaddlePaddle/Paddle/blob/develop/python/paddle/distribution/kl.py , 有兴趣也可以额外实现laplace与其它分布之间的KL散度计算逻辑，作为加分项
| paddle.distribution.Laplace(loc, scale, name=None) | ||
| ``` | ||
|
|
||
| 注：其中参数名使用 `name` 为了与 Paddle 其他 API 参数名保持一致。 |
| - `log_prob`对数概率密度； | ||
| - `entropy` 熵计算； | ||
| - `cdf` 累积分布函数(Cumulative Distribution Function) | ||
| - `icdf` 逆累积分布函数 |
There was a problem hiding this comment.
请从理论上掌握/推导每个函数的计算方法，并以公式/伪代码方式体现；Paddle/PyTroch/TF API体系不完全一致，请结合Paddle的API体系给出每个函数实现的关键思路、使用到的API或伪代码
|
|
||
| 测试考虑的 case 如下： | ||
|
|
||
| - 调用API的各种方法，能够产生正确的结果。 |
There was a problem hiding this comment.
测试用例至少覆盖到参数检查、控制流、不同的边界条件、以及是否有显著的显存、性能问题，生成样本的正确性(思考如何测试Laplace采样结果真实满足Laplace分布)，根据以上要求补充具体测试用例。
|
重新提交提案 #190 |
添加拉普拉斯分布设计方案