备案控制台
开发者社区 数据库 文章 正文

JAX 中文文档（十四）（1）

2024-07-04 9
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： JAX 中文文档（十四）


原文：jax.readthedocs.io/en/latest/

jax.scipy 模块

原文：jax.readthedocs.io/en/latest/jax.scipy.html

jax.scipy.cluster

| vq(obs, code_book[, check_finite]) | 将观测值分配给代码簿中的代码。 | ## jax.scipy.fft

dct(x[, type, n, axis, norm]) 计算输入的离散余弦变换
dctn(x[, type, s, axes, norm]) 计算输入的多维离散余弦变换
idct(x[, type, n, axis, norm]) 计算输入的离散余弦变换的逆变换

| idctn(x[, type, s, axes, norm]) | 计算输入的多维离散余弦变换的逆变换 | ## jax.scipy.integrate

| trapezoid(y[, x, dx, axis]) | 使用复合梯形法则沿指定轴积分。 | ## jax.scipy.interpolate

| RegularGridInterpolator(points, values[, …]) | 对正规矩形网格上的点进行插值。 | ## jax.scipy.linalg

block_diag(*arrs) 从输入数组创建块对角矩阵。
cho_factor(a[, lower, overwrite_a, check_finite]) 基于 Cholesky 的线性求解因式分解
cho_solve(c_and_lower, b[, overwrite_b, …]) 使用 Cholesky 分解解线性系统
cholesky(a[, lower, overwrite_a, check_finite]) 计算矩阵的 Cholesky 分解。
det(a[, overwrite_a, check_finite]) 计算矩阵的行列式
eigh() 计算 Hermitian 矩阵的特征值和特征向量
eigh_tridiagonal(d, e, *[, eigvals_only, …]) 解对称实三对角矩阵的特征值问题
expm(A, *[, upper_triangular, max_squarings]) 计算矩阵指数
expm_frechet() 计算矩阵指数的 Frechet 导数
funm(A, func[, disp]) 评估矩阵值函数
hessenberg() 计算矩阵的 Hessenberg 形式
hilbert(n) 创建阶数为 n 的 Hilbert 矩阵。
inv(a[, overwrite_a, check_finite]) 返回方阵的逆矩阵
lu() 计算 LU 分解
lu_factor(a[, overwrite_a, check_finite]) 基于 LU 的线性求解因式分解
lu_solve(lu_and_piv, b[, trans, …]) 使用 LU 分解解线性系统
polar(a[, side, method, eps, max_iterations]) 计算极分解
qr() 计算数组的 QR 分解
rsf2csf(T, Z[, check_finite]) 将实数舒尔形式转换为复数舒尔形式。
schur(a[, output]) 计算舒尔分解
solve(a, b[, lower, overwrite_a, …]) 解线性方程组
solve_triangular(a, b[, trans, lower, …]) 解上（或下）三角线性方程组
sqrtm(A[, blocksize]) 计算矩阵的平方根
svd() 计算奇异值分解

| toeplitz(c[, r]) | 构造 Toeplitz 矩阵 | ## jax.scipy.ndimage

| map_coordinates(input, coordinates, order[, …]) | 使用插值将输入数组映射到新坐标。 | ## jax.scipy.optimize

minimize(fun, x0[, args, tol, options]) 最小化一个或多个变量的标量函数。

| OptimizeResults(x, success, status, fun, …) | 优化结果对象。 | ## jax.scipy.signal

fftconvolve(in1, in2[, mode, axes]) 使用快速傅里叶变换（FFT）卷积两个 N 维数组。
convolve(in1, in2[, mode, method, precision]) 两个 N 维数组的卷积。
convolve2d(in1, in2[, mode, boundary, …]) 两个二维数组的卷积。
correlate(in1, in2[, mode, method, precision]) 两个 N 维数组的互相关。
correlate2d(in1, in2[, mode, boundary, …]) 两个二维数组的互相关。
csd(x, y[, fs, window, nperseg, noverlap, …]) 使用 Welch 方法估计交叉功率谱密度（CSD）。
detrend(data[, axis, type, bp, overwrite_data]) 从数据中移除线性或分段线性趋势。
istft(Zxx[, fs, window, nperseg, noverlap, …]) 执行逆短时傅里叶变换（ISTFT）。
stft(x[, fs, window, nperseg, noverlap, …]) 计算短时傅里叶变换（STFT）。

| welch(x[, fs, window, nperseg, noverlap, …]) | 使用 Welch 方法估计功率谱密度（PSD）。 | ## jax.scipy.spatial.transform

| Slerp(times, timedelta, rotations, rotvecs) | 球面线性插值旋转。 | ## jax.scipy.sparse.linalg

bicgstab(A, b[, x0, tol, atol, maxiter, M]) 使用双共轭梯度稳定迭代解决 Ax = b。
cg(A, b[, x0, tol, atol, maxiter, M]) 使用共轭梯度法解决 Ax = b。

| gmres(A, b[, x0, tol, atol, restart, …]) | GMRES 解决线性系统 A x = b，给定 A 和 b。 | ## jax.scipy.special

bernoulli(n) 生成前 N 个伯努利数。
beta() 贝塔函数
betainc(a, b, x) 正则化的不完全贝塔函数。
betaln(a, b) 贝塔函数绝对值的自然对数
digamma(x) Digamma 函数
entr(x) 熵函数
erf(x) 误差函数
erfc(x) 误差函数的补函数
erfinv(x) 误差函数的反函数
exp1(x) 指数积分函数。
expi 指数积分函数。
expit(x) 逻辑 sigmoid（expit）函数
expn 广义指数积分函数。
factorial(n[, exact]) 阶乘函数
gamma(x) 伽马函数。
gammainc(a, x) 正则化的下不完全伽马函数。
gammaincc(a, x) 正则化的上不完全伽马函数。
gammaln(x) 伽马函数绝对值的自然对数。
gammasgn(x) 伽马函数的符号。
hyp1f1 1F1 超几何函数。
i0(x) 修改贝塞尔函数零阶。
i0e(x) 指数缩放的修改贝塞尔函数零阶。
i1(x) 修改贝塞尔函数一阶。
i1e(x) 指数缩放的修改贝塞尔函数一阶。
log_ndtr 对数正态分布函数。
logit 对数几率函数。
logsumexp() 对数-总和-指数归约。
lpmn(m, n, z) 第一类相关勒让德函数（ALFs）。
lpmn_values(m, n, z, is_normalized) 第一类相关勒让德函数（ALFs）。
multigammaln(a, d) 多变量伽马函数的自然对数。
ndtr(x) 正态分布函数。
ndtri§ 正态分布函数的反函数。
poch Pochhammer 符号。
polygamma(n, x) 多次伽马函数。
spence(x) 斯宾斯函数，也称实数域下的二元对数函数。
sph_harm(m, n, theta, phi[, n_max]) 计算球谐函数。
xlog1py 计算 x*log(1 + y)，当 x=0 时返回 0。
xlogy 计算 x*log(y)，当 x=0 时返回 0。
zeta 赫维茨 ζ 函数。
kl_div(p, q) 库尔巴克-莱布勒散度。

| rel_entr(p, q) | 相对熵函数。 | ## jax.scipy.stats

mode(a[, axis, nan_policy, keepdims]) 计算数组沿轴的众数（最常见的值）。
rankdata(a[, method, axis, nan_policy]) 计算数组沿轴的排名。
sem(a[, axis, ddof, nan_policy, keepdims]) 计算均值的标准误差。

jax.scipy.stats.bernoulli

logpmf(k, p[, loc]) 伯努利对数概率质量函数。
pmf(k, p[, loc]) 伯努利概率质量函数。
cdf(k, p) 伯努利累积分布函数。

| ppf(q, p) | 伯努利百分位点函数。 | ### jax.scipy.stats.beta

logpdf(x, a, b[, loc, scale]) Beta 对数概率分布函数。
pdf(x, a, b[, loc, scale]) Beta 概率分布函数。
cdf(x, a, b[, loc, scale]) Beta 累积分布函数。
logcdf(x, a, b[, loc, scale]) Beta 对数累积分布函数。
sf(x, a, b[, loc, scale]) Beta 分布生存函数。

| logsf(x, a, b[, loc, scale]) | Beta 分布对数生存函数。 | ### jax.scipy.stats.betabinom

logpmf(k, n, a, b[, loc]) Beta-二项式对数概率质量函数。

| pmf(k, n, a, b[, loc]) | Beta-二项式概率质量函数。 | ### jax.scipy.stats.binom

logpmf(k, n, p[, loc]) 二项式对数概率质量函数。

| pmf(k, n, p[, loc]) | 二项式概率质量函数。 | ### jax.scipy.stats.cauchy

logpdf(x[, loc, scale]) 柯西对数概率分布函数。
pdf(x[, loc, scale]) 柯西概率分布函数。
cdf(x[, loc, scale]) 柯西累积分布函数。
logcdf(x[, loc, scale]) 柯西对数累积分布函数。
sf(x[, loc, scale]) 柯西分布对数生存函数。
logsf(x[, loc, scale]) 柯西对数生存函数。
isf(q[, loc, scale]) 柯西分布逆生存函数。

| ppf(q[, loc, scale]) | 柯西分布分位点函数。 | ### jax.scipy.stats.chi2

logpdf(x, df[, loc, scale]) 卡方分布对数概率分布函数。
pdf(x, df[, loc, scale]) 卡方概率分布函数。
cdf(x, df[, loc, scale]) 卡方累积分布函数。
logcdf(x, df[, loc, scale]) 卡方对数累积分布函数。
sf(x, df[, loc, scale]) 卡方生存函数。

| logsf(x, df[, loc, scale]) | 卡方对数生存函数。 | ### jax.scipy.stats.dirichlet

logpdf(x, alpha) 狄利克雷对数概率分布函数。

| pdf(x, alpha) | 狄利克雷概率分布函数。 | ### jax.scipy.stats.expon

logpdf(x[, loc, scale]) 指数对数概率分布函数。

| pdf(x[, loc, scale]) | 指数概率分布函数。 | ### jax.scipy.stats.gamma

logpdf(x, a[, loc, scale]) 伽玛对数概率分布函数。
pdf(x, a[, loc, scale]) 伽玛概率分布函数。
cdf(x, a[, loc, scale]) 伽玛累积分布函数。
logcdf(x, a[, loc, scale]) 伽玛对数累积分布函数。
sf(x, a[, loc, scale]) 伽玛生存函数。

| logsf(x, a[, loc, scale]) | 伽玛对数生存函数。 | ### jax.scipy.stats.gennorm

cdf(x, beta) 广义正态累积分布函数。
logpdf(x, beta) 广义正态对数概率分布函数。

| pdf(x, beta) | 广义正态概率分布函数。 | ### jax.scipy.stats.geom

logpmf(k, p[, loc]) 几何对数概率质量函数。

| pmf(k, p[, loc]) | 几何概率质量函数。 | ### jax.scipy.stats.laplace

cdf(x[, loc, scale]) 拉普拉斯累积分布函数。
logpdf(x[, loc, scale]) 拉普拉斯对数概率分布函数。

| pdf(x[, loc, scale]) | 拉普拉斯概率分布函数。 | ### jax.scipy.stats.logistic

cdf(x[, loc, scale]) Logistic 累积分布函数。
isf(x[, loc, scale]) Logistic 分布逆生存函数。
logpdf(x[, loc, scale]) Logistic 对数概率分布函数。
pdf(x[, loc, scale]) Logistic 概率分布函数。
ppf(x[, loc, scale]) Logistic 分位点函数。

| sf(x[, loc, scale]) | Logistic 分布生存函数。 | ### jax.scipy.stats.multinomial

logpmf(x, n, p) 多项式对数概率质量函数。

| pmf(x, n, p) | 多项分布概率质量函数。 | ### jax.scipy.stats.multivariate_normal

logpdf(x, mean, cov[, allow_singular]) 多元正态分布对数概率分布函数。

| pdf(x, mean, cov) | 多元正态分布概率分布函数。 | ### jax.scipy.stats.nbinom

logpmf(k, n, p[, loc]) 负二项分布对数概率质量函数。

| pmf(k, n, p[, loc]) | 负二项分布概率质量函数。 | ### jax.scipy.stats.norm

logpdf(x[, loc, scale]) 正态分布对数概率分布函数。
pdf(x[, loc, scale]) 正态分布概率分布函数。
cdf(x[, loc, scale]) 正态分布累积分布函数。
logcdf(x[, loc, scale]) 正态分布对数累积分布函数。
ppf(q[, loc, scale]) 正态分布百分点函数。
sf(x[, loc, scale]) 正态分布生存函数。
logsf(x[, loc, scale]) 正态分布对数生存函数。

| isf(q[, loc, scale]) | 正态分布逆生存函数。 | ### jax.scipy.stats.pareto

logpdf(x, b[, loc, scale]) 帕累托对数概率分布函数。

| pdf(x, b[, loc, scale]) | 帕累托分布概率分布函数。 | ### jax.scipy.stats.poisson

logpmf(k, mu[, loc]) 泊松分布对数概率质量函数。
pmf(k, mu[, loc]) 泊松分布概率质量函数。

| cdf(k, mu[, loc]) | 泊松分布累积分布函数。 | ### jax.scipy.stats.t

logpdf(x, df[, loc, scale]) 学生 t 分布对数概率分布函数。

| pdf(x, df[, loc, scale]) | 学生 t 分布概率分布函数。 | ### jax.scipy.stats.truncnorm

cdf(x, a, b[, loc, scale]) 截断正态分布累积分布函数。
logcdf(x, a, b[, loc, scale]) 截断正态分布对数累积分布函数。
logpdf(x, a, b[, loc, scale]) 截断正态分布对数概率分布函数。
logsf(x, a, b[, loc, scale]) 截断正态分布对数生存函数。
pdf(x, a, b[, loc, scale]) 截断正态分布概率分布函数。

| sf(x, a, b[, loc, scale]) | 截断正态分布对数生存函数。 | ### jax.scipy.stats.uniform

logpdf(x[, loc, scale]) 均匀分布对数概率分布函数。
pdf(x[, loc, scale]) 均匀分布概率分布函数。
cdf(x[, loc, scale]) 均匀分布累积分布函数。
ppf(q[, loc, scale]) 均匀分布百分点函数。

jax.scipy.stats.gaussian_kde

gaussian_kde(dataset[, bw_method, weights]) 高斯核密度估计器
gaussian_kde.evaluate(points) 对给定点评估高斯核密度估计器。
gaussian_kde.integrate_gaussian(mean, cov) 加权高斯积分分布。
gaussian_kde.integrate_box_1d(low, high) 在给定限制下积分分布。
gaussian_kde.integrate_kde(other) 集成两个高斯核密度估计分布的乘积。
gaussian_kde.resample(key[, shape]) 从估计的概率密度函数中随机采样数据集
gaussian_kde.pdf(x) 概率密度函数
gaussian_kde.logpdf(x) 对数概率密度函数

jax.scipy.stats.vonmises

logpdf(x, kappa) von Mises 对数概率分布函数。

| pdf(x, kappa) | von Mises 概率分布函数。 | ### jax.scipy.stats.wrapcauchy

logpdf(x, c) Wrapped Cauchy 对数概率分布函数。
pdf(x, c) Wrapped Cauchy 概率分布函数。

jax.scipy.stats.bernoulli.logpmf

原文：jax.readthedocs.io/en/latest/_autosummary/jax.scipy.stats.bernoulli.logpmf.html

jax.scipy.stats.bernoulli.logpmf(k, p, loc=0)

伯努利对数概率质量函数。

scipy.stats.bernoulli 的 JAX 实现 logpmf

伯努利概率质量函数定义如下

[f(k)={1−p,k=0 p,k=1 0,otherwise]

参数：

返回值：

logpmf 值的数组

返回类型：

Array

另请参阅

  • jax.scipy.stats.bernoulli.cdf()
  • jax.scipy.stats.bernoulli.pmf()
  • jax.scipy.stats.bernoulli.ppf()

jax.scipy.stats.bernoulli.pmf

原文：jax.readthedocs.io/en/latest/_autosummary/jax.scipy.stats.bernoulli.pmf.html

jax.scipy.stats.bernoulli.pmf(k, p, loc=0)

伯努利概率质量函数。

scipy.stats.bernoulli pmf 的 JAX 实现

伯努利概率质量函数定义为

[f(k)={1−p,k=0 p,k=1 0,otherwise]

参数：

返回：

pmf 值数组

返回类型：

数组

参见

  • jax.scipy.stats.bernoulli.cdf()
  • jax.scipy.stats.bernoulli.logpmf()
  • jax.scipy.stats.bernoulli.ppf()

jax.scipy.stats.bernoulli.cdf

原文：jax.readthedocs.io/en/latest/_autosummary/jax.scipy.stats.bernoulli.cdf.html

jax.scipy.stats.bernoulli.cdf(k, p)

伯努利累积分布函数。

scipy.stats.bernoulli 的 JAX 实现 cdf

伯努利累积分布函数被定义为：

[f_{cdf}(k, p) = \sum_{i=0}^k f_{pmf}(k, p)]

其中 (f_{pmf}(k, p)) 是伯努利概率质量函数 jax.scipy.stats.bernoulli.pmf()。

参数：

返回：

cdf 值的数组

返回类型：

Array

另请参见

  • jax.scipy.stats.bernoulli.logpmf()
  • jax.scipy.stats.bernoulli.pmf()
  • jax.scipy.stats.bernoulli.ppf()

jax.scipy.stats.bernoulli.ppf

原文：jax.readthedocs.io/en/latest/_autosummary/jax.scipy.stats.bernoulli.ppf.html

jax.scipy.stats.bernoulli.ppf(q, p)

伯努利百分点函数。

JAX 实现的 scipy.stats.bernoulli ppf

百分点函数是累积分布函数的反函数，jax.scipy.stats.bernoulli.cdf()。

参数：

返回：

ppf 值数组

返回类型：

Array

另见

  • jax.scipy.stats.bernoulli.cdf()
  • jax.scipy.stats.bernoulli.logpmf()
  • jax.scipy.stats.bernoulli.pmf()


JAX 中文文档（十四）（2）https://developer.aliyun.com/article/1559756

文章标签：
关系型数据库
布客飞龙
目录
相关文章
布客飞龙
|
2天前
|
机器学习/深度学习 存储 API
JAX 中文文档（十五）（4）
JAX 中文文档（十五）
布客飞龙
13 3
布客飞龙
|
2天前
|
存储 API 索引
JAX 中文文档（十五）（5）
JAX 中文文档（十五）
布客飞龙
14 3
布客飞龙
|
2天前
|
机器学习/深度学习 数据可视化 编译器
JAX 中文文档（十四）（5）
JAX 中文文档（十四）
布客飞龙
9 2
布客飞龙
|
2天前
|
算法 API 开发工具
JAX 中文文档（十二）（5）
JAX 中文文档（十二）
布客飞龙
7 1
布客飞龙
|
2天前
|
并行计算 异构计算 索引
JAX 中文文档（十六）（4）
JAX 中文文档（十六）
布客飞龙
12 2
布客飞龙
|
2天前
|
API 异构计算 Python
JAX 中文文档（十一）（4）
JAX 中文文档（十一）
布客飞龙
8 1
布客飞龙
|
2天前
JAX 中文文档（十一）（5）
JAX 中文文档（十一）
布客飞龙
6 1
布客飞龙
|
2天前
|
Python
JAX 中文文档（十四）（4）
JAX 中文文档（十四）
布客飞龙
7 0
布客飞龙
|
2天前
|
API 异构计算 索引
JAX 中文文档（十四）（2）
JAX 中文文档（十四）
布客飞龙
8 0
布客飞龙
|
2天前
|
资源调度 算法 安全
JAX 中文文档（十四）（3）
JAX 中文文档（十四）
布客飞龙
8 0

热门文章

最新文章

  • 1
    白话 uni-app，细说 uni-app 和传统 H5 的区别
  • 2
    Spring Boot 集成 MyBatis和 SQL Server实践
  • 3
    阿里 双11 同款，流量防卫兵 Sentinel go 源码解读
  • 4
    【资料下载】Python 第十讲——xpath元素定位获取及爬虫中使用实例
  • 5
    [CareerCup] 8.7 Chat Server 聊天服务器
  • 6
    [flex]超链接
  • 7
    WPF/Silverlight的数据绑定设计的真糟糕
  • 8
    swing中几种layout示例（转）
  • 9
    《C语言及程序设计》程序阅读——二维数组与指针
  • 10
    Linux 学习笔记_12_Windows与Linux文件共享服务_1.1_--Samba（上）
  • 1
    Nginx静态资源概述
    22
  • 2
    Nginx命令配置到系统环境变量
    15
  • 3
    Ngnix服务操作问题,Ngnix的启停资料配置
    12
  • 4
    Nginx基础配置实例需求分析
    16
  • 5
    Nginx的server块和location块的简单说明
    14
  • 6
    Ngnix全局块的user指令,403权限不足
    10
  • 7
    Ngnix全局块的工作进程的两个指令
    10
  • 8
    基于SpringBoot+Vue的学生成绩管理系统的详细设计和实现(源码+lw+部署文档+讲解等)
    15
  • 9
    Ngnix全局块的其他配置指令--daemon指令介绍
    11
  • 10
    Ngnix的events块指令讲解和events指令配置实例
    12

    • 相关课程

    更多
  • JavaScript 自学手册文档教程
  • JSON 自学手册图文教程
  • Python Web开发基础
  • Python Web 框架 Django 快速入门
  • Python Web 框架 Flask 快速入门
  • React 入门教程开发文档

    • 相关电子书

    更多
  • Python第五讲——关于爬虫如何做js逆向的思路
  • JS零基础入门教程（上册）
  • 低代码开发师（初级）实战教程
    • 下一篇
    部署LAMP环境（Alibaba Cloud Linux 3）