add Independent,Multinomial,TransformedDistribution chinese documents

Author: cxxly

docs/api/paddle/distribution/AbsTransform_cn.rst

@@ -7,10 +7,9 @@ AbsTransform
 
 取绝对值变换 :math:`y = |x|` .
 
-``AbsTransform`` 不是一种双射变换，其逆变换处理逻辑如下：
+``AbsTransform`` 不是双射变换，其逆变换处理逻辑如下：
 
-* 当 :math:`y \in (0, +\infty ) ` , ``AbsTransform.inverse(y)`` 返回一个元组 
-``(-y, y)`` .
+* 当 :math:`y \in (0, +\infty )` , ``AbsTransform.inverse(y)`` 返回元组 ``(-y, y)`` .
 * 当 :math:`y=0` , ``AbsTransform.inverse(y)`` 返回 ``(0, 0)`` .
 * 当 :math:`y \in (-\infty, 0)` ,  为了避免对 ``Tensor`` 数据进行判断带来性能下降，
   ``AbsTransform.inverse(y)`` 仍返回 ``(-y, y)`` , 注意这本质上是一个错误结果，仅仅出于

docs/api/paddle/distribution/ExpTransform_cn.rst

@@ -7,10 +7,27 @@ ExpTransform
 
 指数变换 :math:`y = exp(x)` .
 
+
 代码示例
 :::::::::
 
-COPY-FROM: paddle.distribution.ExpTransform
+.. code-block:: python
+
+    import paddle
+    exp = paddle.distribution.ExpTransform()
+    print(exp.forward(paddle.to_tensor([1., 2., 3.])))
+    # Tensor(shape=[3], dtype=float32, place=Place(gpu:0), stop_gradient=True,
+    #        [2.71828175 , 7.38905621 , 20.08553696])
+    print(exp.inverse(paddle.to_tensor([1., 2., 3.])))
+    # Tensor(shape=[3], dtype=float32, place=Place(gpu:0), stop_gradient=True,
+    #        [0.        , 0.69314718, 1.09861231])
+    print(exp.forward_log_det_jacobian(paddle.to_tensor([1., 2., 3.])))
+    # Tensor(shape=[3], dtype=float32, place=Place(gpu:0), stop_gradient=True,
+    #        [1., 2., 3.])
+    print(exp.inverse_log_det_jacobian(paddle.to_tensor([1., 2., 3.])))
+    # Tensor(shape=[3], dtype=float32, place=Place(gpu:0), stop_gradient=True,
+    #        [ 0.        , -0.69314718, -1.09861231])
+
 
 方法
 :::::::::

docs/api/paddle/distribution/Independent_cn.rst

@@ -0,0 +1,82 @@
+.. _cn_api_paddle_distribution_Independent:
+
+Independent
+-------------------------------
+
+.. py:class:: paddle.distribution.Independent(base, reinterpreted_batch_rank)
+ 
+将一个基础分布 ``base`` 的最右侧 ``reinterpreted_batch_rank`` 批维度转换为事件维度。
+
+
+参数
+:::::::::
+
+- **base** (Distribution) - 基础分布。
+- **reinterpreted_batch_rank** (int） - 用于转换为事件维度的批维度数量。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.distribution.Independent
+
+
+方法
+:::::::::
+
+property mean
+'''''''''
+
+计算分布均值。
+
+
+property variance
+'''''''''
+
+计算分布方差。
+
+
+prob(value)
+'''''''''
+
+计算value的概率。
+
+**参数**
+
+- **value** (Tensor) - 待计算值。
+    
+**返回**
+
+- Tensor: value的概率。
+
+
+log_prob(value)
+'''''''''
+
+计算value的对数概率。
+
+**参数**
+
+- **value** (Tensor) - 待计算值。
+    
+**返回**
+
+- Tensor: value的对数概率。
+
+
+sample(shape=())
+'''''''''
+
+从Beta分布中生成满足特定形状的样本数据。
+
+**参数**
+
+- **shape** (Sequence[int], 可选)：采样次数。最终生成样本形状为 ``shape+batch_shape`` .
+
+**返回**
+
+- Tensor: 样本数据。
+
+entropy()
+'''''''''
+
+计算信息熵。

docs/api/paddle/distribution/Multinomial_cn.rst

@@ -0,0 +1,100 @@
+.. _cn_api_paddle_distribution_Multinomial:
+
+Multinomial
+-------------------------------
+
+.. py:class:: paddle.distribution.Multinomial(total_count, probs)
+
+
+ ``Multinomial`` 表示实验次数为 ``total_count`` ，概率为 ``probs`` 的多项分布。
+
+在概率论中，多项分布是二项分布的多元推广，表示具有 :math:`k` 个类别的事件重复实验 :math:`n` 
+次，每个类别出现次数的概率。当 :math:`k=2` 且 :math:`n=1` 时，为伯努利分布，
+当 :math:`k=2` 且 :math:`n>1` 时，为二项分布，当 :math:`k>2` 且 :math:`n=1` 时，
+为分类分布。
+
+多项分布概率密度函数如下：
+
+.. math::
+
+    f(x_1, ..., x_k; n, p_1,...,p_k) = \frac{n!}{x_1!...x_k!}p_1^{x_1}...p_k^{x_k}
+
+
+其中， :math:`n` 表示实验次数， :math:`k` 表示类别数， :math:`p_i` 表示一次实验中，实验结果
+为第 :math:`i` 个类比的概率，需要满足 :math:`{\textstyle \sum_{i=1}^{k}p_i=1}, p_i \ge 0` ,
+ :math:`x_i` 表示第 :math:`i` 个分类出现的次数。
+
+
+ 
+参数
+:::::::::
+
+- **total_count** (int) - 实验次数。
+- **probs** (Tensor） - 每个类别发生的概率。最后一维为事件维度，其它维为批维度。``probs`` 中
+  的每个元素取值范围为 ``[0,1]`` 。如果输入数据大于1，会沿着最后一维进行归一化操作。
+ 
+代码示例
+:::::::::
+
+COPY-FROM: paddle.distribution.Multinomial
+
+
+属性
+:::::::::
+
+mean
+'''''''''
+
+均值
+
+variance
+'''''''''
+
+方差
+
+
+方法
+:::::::::
+
+prob(value)
+'''''''''
+
+计算value的概率。
+
+**参数**
+
+- **value** (Tensor) - 待计算值。
+    
+**返回**
+
+- Tensor: value的概率。
+
+
+log_prob(value)
+'''''''''
+
+计算value的对数概率。
+
+**参数**
+
+- **value** (Tensor) - 待计算值。
+    
+**返回**
+
+- Tensor: value的对数概率。
+
+
+sample(shape=())
+'''''''''
+
+生成满足特定形状的样本数据。
+
+**参数**
+
+- **shape** (Sequence[int], 可选)：采样形状。
+
+**返回**
+
+- Tensor: 样本数据。
+
+

docs/api/paddle/distribution/Overview_cn.rst

@@ -27,6 +27,9 @@ paddle.distribution 目录下包含飞桨框架支持的随机变量的概率分
     " :ref:`Uniform <cn_api_distribution_Uniform>` ", "Uniform概率分布类"
     " :ref:`Beta <cn_api_paddle_distribution_Beta>` ", "Beta概率分布类"
     " :ref:`Dirichlet <cn_api_paddle_distribution_Dirichlet>` ", "Dirichlet概率分布类"
+    " :ref:`Multinomial <cn_api_paddle_distribution_Multinomial>` ", "Multinomial概率分布类"
+    " :ref:`Independent <cn_api_paddle_distribution_Independent>` ", "Independent概率分布类"
+    " :ref:`TransfomedDistribution <cn_api_paddle_distribution_TransformedDistribution>` ", "TransformedDistribution概率分布类"
 
 .. _about_distribution_transform:
 
@@ -39,7 +42,17 @@ paddle.distribution 目录下包含飞桨框架支持的随机变量的概率分
 
     " :ref:`Transform <cn_api_paddle_distribution_Transform>` ", "随机变量变换的基类"
     " :ref:`AbsTransform <cn_api_paddle_distribution_AbsTransform>` ", "绝对值变换"
-    " :ref:`AffineTransform <cn_api_paddle_distribution_AffineTransform>` ", "放射变换"
+    " :ref:`AffineTransform <cn_api_paddle_distribution_AffineTransform>` ", "仿射变换"
+    " :ref:`ChainTransform <cn_api_paddle_distribution_ChainTransform>` ", "链式组合变换"
+    " :ref:`ExpTransform <cn_api_paddle_distribution_ExpTransform>` ", "指数变换"
+    " :ref:`IndependentTransform <cn_api_paddle_distribution_IndependentTransform>` ", "Independent变换"
+    " :ref:`PowerTransform <cn_api_paddle_distribution_PowerTransform>` ", "幂变换"
+    " :ref:`ReshapeTransform <cn_api_paddle_distribution_ReshapeTransform>` ", "Reshape变换"
+    " :ref:`SigmoidTransform <cn_api_paddle_distribution_SigmoidTransform>` ", "Sigmoid变换"
+    " :ref:`SoftmaxTransform <cn_api_paddle_distribution_SoftmaxTransform>` ", "Softmax变换"
+    " :ref:`StackTransform <cn_api_paddle_distribution_StackTransform>` ", "Stack变换"
+    " :ref:`StickBreakingTransform <cn_api_paddle_distribution_StickBreakingTransform>` ", "StickBreaking变换"
+    " :ref:`TanhTransform <cn_api_paddle_distribution_TanhTransform>` ", "Tanh变换"
 
 .. _about_distribution_kl:
 

docs/api/paddle/distribution/SoftmaxTransform_cn.rst

@@ -7,8 +7,9 @@ SoftmaxTransform
 
 Softmax变换，首先进行 :math:`y = exp(x)` 变换, 然后归一化。
 
-Softmax变换主要用途是将一个无约束空间变换为单纯形。Softmax不是双射函数，
-所以 ``forward_log_det_jacobian`` 、 ``inverse_log_det_jacobian`` 未实现。
+Softmax变换将向量变换为单纯形。
+
+注意，Softmax不是双射函数，所以 ``forward_log_det_jacobian`` 、 ``inverse_log_det_jacobian`` 未实现。
 
 代码示例
 :::::::::

docs/api/paddle/distribution/StickBreakingTransform_cn.rst

@@ -8,6 +8,7 @@ StickBreakingTransform
  ``StickBreakingTransform`` 将一个长度为K的向量通过StackBreaking构造过程变换为标准K-单纯
  形。
 
+
 代码示例
 :::::::::
 

docs/api/paddle/distribution/TanhTransform_cn.rst

@@ -5,12 +5,29 @@ TanhTransform
 
 .. py:class:: paddle.distribution.TanhTransform
 
-Tanh变 :math:`y = tanh(x)` 
+Tanh变换 :math:`y = tanh(x)` 
+
 
 代码示例
 :::::::::
 
-COPY-FROM: paddle.distribution.TanhTransform
+.. code-block:: python
+
+    import paddle
+    exp = paddle.distribution.ExpTransform()
+    print(exp.forward(paddle.to_tensor([1., 2., 3.])))
+    # Tensor(shape=[3], dtype=float32, place=Place(gpu:0), stop_gradient=True,
+    #        [2.71828175 , 7.38905621 , 20.08553696])
+    print(exp.inverse(paddle.to_tensor([1., 2., 3.])))
+    # Tensor(shape=[3], dtype=float32, place=Place(gpu:0), stop_gradient=True,
+    #        [0.        , 0.69314718, 1.09861231])
+    print(exp.forward_log_det_jacobian(paddle.to_tensor([1., 2., 3.])))
+    # Tensor(shape=[3], dtype=float32, place=Place(gpu:0), stop_gradient=True,
+    #        [1., 2., 3.])
+    print(exp.inverse_log_det_jacobian(paddle.to_tensor([1., 2., 3.])))
+    # Tensor(shape=[3], dtype=float32, place=Place(gpu:0), stop_gradient=True,
+    #        [ 0.        , -0.69314718, -1.09861231])
+
 
 方法
 :::::::::

docs/api/paddle/distribution/TransformedDistribution_cn.rst

@@ -0,0 +1,66 @@
+.. _cn_api_paddle_distribution_TransformedDistribution:
+
+TransformedDistribution
+-------------------------------
+
+基于一个基础分布和一系列分布变换构建一个新的分布。
+
+.. py:class:: paddle.distribution.TransformedDistribution(base, transforms)
+ 
+参数
+:::::::::
+
+- **base** (Distribution) - 基础分布。
+- **transforms** (Sequence[Transform]） - 变换序列。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.distribution.TransformedDistribution
+
+方法
+:::::::::
+
+
+prob(value)
+'''''''''
+
+计算value的概率。
+
+**参数**
+
+- **value** (Tensor) - 待计算值。
+    
+**返回**
+
+- Tensor: value的概率。
+
+
+log_prob(value)
+'''''''''
+
+计算value的对数概率。
+
+**参数**
+
+- **value** (Tensor) - 待计算值。
+    
+**返回**
+
+- Tensor: value的对数概率。
+
+
+sample(shape=())
+'''''''''
+
+生成满足特定形状的样本数据。
+
+**参数**
+
+- **shape** (Sequence[int], 可选)：采样形状。
+
+**返回**
+
+- Tensor: 样本数据。
+
+