扰动

扰动#

Gumbel()

甘布尔分布。

make_perturbed_fun(fun[, num_samples, ...])

将一个函数转化为具有扰动的可微近似。

Normal()

正态分布。

甘博尔噪声#

class optax.perturbations.Gumbel[来源]#

甘博尔分布。

制作扰动函数#

optax.perturbations.make_perturbed_fun(fun: ~typing.Callable[[TypeAliasForwardRef('chex.ArrayTree')], TypeAliasForwardRef('chex.ArrayTree')], num_samples: int = 1000, sigma: float = 0.1, noise=<optax.perturbations._make_pert.Gumbel object>) → Callable[[TypeAliasForwardRef('chex.ArrayTree'), 数组], TypeAliasForwardRef('chex.ArrayTree')][来源]#

将一个函数转化为可微近似，带有扰动。

对于一个函数 \(f\) (fun), 它创建了一个代理 \(f_\sigma\) 定义为

\[f_\sigma(x) = E[f(x +\sigma Z)]\]

对于 \(Z\) 噪声采样器中的随机变量样本。这实现了一个蒙特卡洛估计。

Parameters:

  • fun – 将要转换为可微分函数的函数。目前支持的签名是从 pytree 到 pytree，其叶子是 jax 数组。

  • num_samples – 一个整数，用于计算平均的扰动输出数量。

  • sigma – 一个浮点数，随机扰动的尺度。

  • noise – 一个分布对象，它必须实现一个样本函数和所需分布的对数概率密度函数，类似于 :class:optax.perturbations.Gumbel。默认是Gumbel分布。

Returns:

一个具有相同参数签名（加上输入中的额外rng）的函数，可以被自动微分。

参考文献

Berthet 等人, 使用可微分扰动优化器的学习, 2020

另请参见

正常噪声#

class optax.perturbations.Normal[来源]#

正态分布。

Contents