cupy.random.multivariate_normal#
- cupy.random.multivariate_normal(mean, cov, size=None, check_valid='ignore', tol=1e-08, method='cholesky', dtype=<class 'float'>)[source]#
多元正态分布。
返回从多元正态分布中抽取的样本数组。其概率密度函数定义为
\[f(x) = \frac{1}{(2\pi|\Sigma|)^(n/2)} \exp\left(-\frac{1}{2} (x-\mu)^{\top}\Sigma^{-1}(x-\mu)\right).\]- 参数:
mean (一维数组类对象, 长度为 N) – 多元正态分布的均值 \(\mu\)。
cov (二维数组类对象, 形状为 (N, N)) – 多元正态分布的协方差矩阵 \(\Sigma\)。它必须是对称的且半正定才能正确采样。
check_valid ('warn', 'raise', 'ignore') – 当协方差矩阵不是半正定时，行为。
tol (float) – 检查协方差矩阵中奇异值时的容差。
method – { ‘cholesky’, ‘eigh’, ‘svd’}，可选。cov 输入用于计算因子矩阵 A，使得
A @ A.T = cov。此参数用于选择计算因子矩阵 A 的方法。默认方法 ‘cholesky’ 最快，而 ‘svd’ 最慢但比最快的方法更鲁棒。方法 eigh 使用特征分解计算 A，比 svd 快但比 cholesky 慢。dtype – 数据类型说明符。仅允许
numpy.float32和numpy.float64类型。
- 返回:
从多元正态分布中抽取的样本。
- 返回类型:
注意
默认的 method 设置为最快的 ‘cholesky’，这与默认设置为 ‘svd’ 的 numpy 不同。如果输入协方差矩阵不是正定矩阵，CuPy 中的 Cholesky 分解会静默失败并给出无效结果，这与 numpy 不同，numpy 中无效的协方差矩阵会引发异常。将 check_valid 设置为 ‘raise’ 会通过检查输入来复现 numpy 的行为，但也会强制设备同步。如果输入的有效性未知，将 method 设置为 ‘eigh’ 或 ‘svd’，并将 check_valid 设置为 ‘warn’，对于正定矩阵将使用 Cholesky 分解，对于其他矩阵（即非半正定）将回退到指定的 method，并且如果分解可疑将发出警告。