代码拉取完成，页面将自动刷新
torch.distributions.laplace.Laplace(loc, scale) -> Class Instance
更多内容详见torch.distributions.laplace.Laplace。
mindspore.ops.standard_laplace(shape, seed=None) -> Tensor
更多内容详见mindspore.ops.standard_laplace。
PyTorch：创建一个Laplace分布实例，调用该实例sample接口进行采样可以生成符合Laplace分布的随机值。
MindSpore：生成符合标准Laplace（mean=0, lambda=1）分布的随机数。当PyTorch中loc=0，scale=1，sample函数输入shape与MindSpore一致时，两API实现功能一致。
| 分类 | 子类 | PyTorch | MindSpore | 差异 |
|---|---|---|---|---|
| 参数 | 参数1 | loc | - | MindSpore无此参数，默认实现loc=0的功能 |
| 参数2 | scale | - | MindSpore无此参数，默认实现scale=1的功能 | |
| 参数3 | - | shape | PyTorch这个参数在调用sample接口时传入 | |
| 参数4 | - | seed | 算子层的随机种子，PyTorch无此参数 |
PyTorch中每一个生成的随机值占用一维度，因此在MindSpore中传入的shape最内层增加一个长度为1的维度，两API实现功能一致。
# PyTorch
import torch
m = torch.distributions.laplace.Laplace(torch.tensor([0.0]), torch.tensor([1.0]))
shape = (4, 4)
sample = m.sample(shape)
print(tuple(sample.shape))
# (4, 4, 1)
# MindSpore
import mindspore
from mindspore import ops
shape = (4, 4, 1)
output = ops.standard_laplace(shape)
result = output.shape
print(result)
# (4, 4, 1)
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。