深度学习需要掌握的13个概率分布
点击蓝字
关注我们
极市导读
本文总结了深度学习工作中需要掌握的13种概率分布，并整理出了相应的代码，方便学习和使用。>>极市直播预告：明天下午，CSIG-ECCV2020 论文预交流会，29位ECCV2020一作联合直播
在逛Github时发现了一个不错的总结，对深度学习的概率分布进行了总结。
作者的Github开源地址：https://github.com/graykode/distribution-is-all-you-needgithub.com
1.均匀分布（连续）代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/uniform.py
均匀分布在 [a，b] 上具有相同的概率值，是简单概率分布。
2.伯努利分布（离散）代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/bernoulli.py
3.二项分布（离散）代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/binomial.py
4.多伯努利分布/分类分布（离散）代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/categorical.py
5.多项式分布（离散）代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/multinomial.py
多项式分布与分类分布的关系与伯努尔分布与二项分布的关系相同。
6.β分布（连续）代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/beta.py
7.Dirichlet 分布（连续）代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/dirichlet.py
8.伽马分布（连续）代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/gamma.py
9.指数分布（连续）代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/exponential.py
指数分布是 α 为 1 时 γ 分布的特例。
10.高斯分布（连续）代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/gaussian.py
高斯分布是一种非常常见的连续概率分布。
11.正态分布（连续）代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/normal.py
正态分布为标准高斯分布，平均值为0，标准差为1。
12.卡方分布（连续）代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/chi-squared.py
13.t 分布（连续）代码：https://github.com/graykode/distribution-is-all-you-need/blob/master/student-t.py
t分布是对称的钟形分布，与正态分布类似，但尾部较重，这意味着它更容易产生远低于平均值的值。
