From b7ef2d66bb60dffcd01c03e2a22f9b2a7b9a0acb Mon Sep 17 00:00:00 2001
From: AyaseNana <13659110308@163.com>
Date: Wed, 22 Nov 2023 17:54:45 +0800
Subject: [PATCH 1/7] add hack19 docs

---
 .../distribution/ContinuousBernoulli_cn.rst   | 206 ++++++++++++++++++
 .../distribution/MultivariateNormal_cn.rst    | 151 +++++++++++++
 docs/api/paddle/distribution/Overview_cn.rst  |   2 +
 3 files changed, 359 insertions(+)
 create mode 100644 docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
 create mode 100644 docs/api/paddle/distribution/MultivariateNormal_cn.rst

diff --git a/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
new file mode 100644
index 00000000000..bda5eecb302
--- /dev/null
+++ b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
@@ -0,0 +1,206 @@
+.. _cn_api_paddle_distribution_ContinuousBernoulli:
+
+ContinuousBernoulli
+-------------------------------
+
+.. py:class:: paddle.distribution.ContinuousBernoulli(probability, eps=1e-4)
+
+
+ContinuousBernoulli 是一种定义在 [0，1] 区间上的连续型概率分布，参数 :attr:`probability` 描述了其概率密度函数的形状。它可以被视为连续型的伯努利分布。
+出自 [1] Loaiza-Ganem, G., & Cunningham, J. P. The continuous Bernoulli: fixing a pervasive error in variational autoencoders. 2019.
+
+其概率密度函数（pdf）为：
+
+.. math::
+
+    p(x;\lambda) = C(\lambda)\lambda^x (1-\lambda)^{1-x}
+
+其中：
+
+- :math:`x` 在 [0, 1] 区间内是连续的。
+- :math:`\lambda` 表示事件发生的概率。
+- :math:`C(\lambda)` 表示归一化常数因子，表达式如下：
+
+.. math::
+
+    {   C(\lambda) =
+        \left\{
+        \begin{aligned}
+        &2 & \text{ if $\lambda = \frac{1}{2}$} \\
+        &\frac{2\tanh^{-1}(1-2\lambda)}{1 - 2\lambda} & \text{ otherwise}
+        \end{aligned}
+        \right. }
+
+参数
+:::::::::
+
+- **probability** (int|float|np.ndarray|Tensor) - 即上述公式中 :math:`\lambda` 参数，在 [0, 1] 内，表示事件平均概率，刻画 ContinuousBernoulli 分布的
+  概率密度函数的形状。:attr:`probability` 的数据类型会被转换为 float32 类型。
+
+- **eps** (float) - 表示概率计算非稳定区域的区域宽度，概率计算非稳定区域即为 [0.5 - :attr:`eps`, 0.5 + :attr:`eps`] ，非稳定区域的概率计算使用泰勒展开做近似。
+  默认值为 1e-4。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.distribution.ContinuousBernoulli
+
+属性
+:::::::::
+
+mean
+'''''''''
+
+ContinuousBernoulli 分布的均值
+
+**返回**
+
+Tensor，均值
+
+variance
+'''''''''
+
+ContinuousBernoulli 分布的方差
+
+**返回**
+
+Tensor，方差
+
+方法
+:::::::::
+
+prob(value)
+'''''''''
+
+计算 :attr:`value` 的概率。
+
+**参数**
+
+- **value** (Tensor) - 待计算值。
+
+**返回**
+
+- Tensor: :attr:`value` 的概率。数据类型与 :attr:`value` 相同。
+
+
+log_prob(value)
+'''''''''
+
+计算 value 的对数概率。
+
+**参数**
+
+- **value** (Tensor) - 待计算值。
+
+**返回**
+
+- Tensor: :attr:`value` 的对数概率。数据类型与 :attr:`value` 相同。
+
+
+cdf(value)
+'''''''''
+
+计算 :attr:`value` 的累计分布 quantile 值。
+
+.. math::
+
+    {   P(X \le t; \lambda) =
+        F(t;\lambda) =
+        \left\{
+        \begin{aligned}
+        &t & \text{ if $\lambda = \frac{1}{2}$} \\
+        &\frac{\lambda^t (1 - \lambda)^{1 - t} + \lambda - 1}{2\lambda - 1} & \text{ otherwise}
+        \end{aligned}
+        \right. }
+
+**参数**
+
+- **value** (Tensor) - 待计算值。
+
+**返回**
+
+- Tensor: :attr:`value` 的累积分布函数对应的 quantile 值。数据类型与 :attr:`value` 相同。
+
+
+icdf(value)
+'''''''''
+
+计算 value 的逆累计分布值。
+
+.. math::
+
+    {   F^{-1}(x;\lambda) =
+        \left\{
+        \begin{aligned}
+        &x & \text{ if $\lambda = \frac{1}{2}$} \\
+        &\frac{\log(1+(\frac{2\lambda - 1}{1 - \lambda})x)}{\log(\frac{\lambda}{1-\lambda})} & \text{ otherwise}
+        \end{aligned}
+        \right. }
+
+**参数**
+
+- **value** (Tensor) - 待计算 quantile。
+
+**返回**
+
+- Tensor: ContinuousBernoulli 随机变量在对应 quantile 下的值。数据类型与 :attr:`value` 相同。
+
+
+sample(shape=())
+'''''''''
+
+从 ContinuousBernoulli 分布中生成满足特定形状的样本数据。最终生成样本形状为 ``shape+batch_shape`` 。
+
+**参数**
+
+- **shape** (Sequence[int]，可选)：采样次数。
+
+**返回**
+
+- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape}` 。数据类型为 float32 。
+
+
+rsample(shape=())
+'''''''''
+
+重参数化采样，生成指定维度的样本。最终生成样本形状为 ``shape+batch_shape`` 。
+
+**参数**
+
+- **shape** (Sequence[int]，可选)：采样次数。
+
+**返回**
+
+- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape}` 。数据类型为 float32 。
+
+
+entropy()
+'''''''''
+
+计算 ContinuousBernoulli 分布的信息熵。
+
+.. math::
+
+    \mathcal{H}(X) = -\log C + \left[ \log (1 - \lambda) -\log \lambda \right] \mathbb{E}(X)  - \log(1 - \lambda)
+
+**返回**
+
+类别分布的信息熵，数据类型为 float32。
+
+
+kl_divergence(other)
+'''''''''
+
+相对于另一个类别分布的 KL 散度，两个分布需要有相同的 :math:`\text{batch shape}`。
+
+.. math::
+
+    KL\_divergence(\lambda_1, \lambda_2) = - H - \{\log C_2 + [\log \lambda_2 -  \log (1-\lambda_2)]  \mathbb{E}_1(X) +  \log (1-\lambda_2)  \}
+
+**参数**
+
+    - **other** (ContinuousBernoulli) - 输入的另一个类别分布。
+
+**返回**
+
+相对于另一个类别分布的 KL 散度，数据类型为 float32。
diff --git a/docs/api/paddle/distribution/MultivariateNormal_cn.rst b/docs/api/paddle/distribution/MultivariateNormal_cn.rst
new file mode 100644
index 00000000000..86b693712f8
--- /dev/null
+++ b/docs/api/paddle/distribution/MultivariateNormal_cn.rst
@@ -0,0 +1,151 @@
+.. _cn_api_paddle_distribution_MultivariateNormal:
+
+MultivariateNormal
+-------------------------------
+
+.. py:class:: paddle.distribution.MultivariateNormal(loc, covariance_matrix=None, precision_matrix=None, scale_tril=None)
+
+
+MultivariateNormal 是一种定义在实数域上的多元连续型概率分布，参数 :attr:`loc` 表示均值，以及需要传入以下任意一种矩阵描述其方差：
+:attr:`covariance_matrix`、 :attr:`precision_matrix`、 :attr:`scale_tril`。
+
+其概率密度函数（pdf）为：
+
+.. math::
+
+    p(X ;\mu, \Sigma) = \frac{1}{\sqrt{(2\pi)^k |\Sigma|}} \exp(-\frac{1}{2}(X - \mu)^{\intercal} \Sigma^{-1} (X - \mu))
+
+其中：
+
+- :math:`X` 是 k 维随机向量。
+- :math:`\mu` 是 k 维均值向量。
+- :math:`\Sigma` 是 k 阶协方差矩阵。
+
+
+参数
+:::::::::
+
+- **loc** (int|float|np.ndarray|Tensor) - 即上述公式中 :math:`\mu` 参数，是 MultivariateNormal 的均值向量。:attr:`loc` 的数据类型会被转换为 float32 类型。
+
+- **covariance_matrix** (Tensor) - 即上述公式中 :math:`\mu` 参数，是 MultivariateNormal 的协方差矩阵。:attr:`covariance_matrix` 的数据类型会被转换为 float32 类型。
+
+- **precision_matrix** (Tensor) - 是 MultivariateNormal 协方差矩阵的逆矩阵。:attr:`precision_matrix` 的数据类型会被转换为 float32 类型。
+
+- **scale_tril** (Tensor) - 是 MultivariateNormal 协方差矩阵的柯列斯基分解的下三角矩阵。:attr:`scale_tril` 的数据类型会被转换为 float32 类型。
+
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.distribution.MultivariateNormal
+
+属性
+:::::::::
+
+mean
+'''''''''
+
+MultivariateNormal 分布的均值
+
+**返回**
+
+Tensor，均值
+
+variance
+'''''''''
+
+MultivariateNormal 分布的方差
+
+**返回**
+
+Tensor，方差
+
+方法
+:::::::::
+
+prob(value)
+'''''''''
+
+计算 :attr:`value` 的概率。
+
+**参数**
+
+- **value** (Tensor) - 待计算值。
+
+**返回**
+
+- Tensor: :attr:`value` 的概率。数据类型与 :attr:`value` 相同。
+
+
+log_prob(value)
+'''''''''
+
+计算 value 的对数概率。
+
+**参数**
+
+- **value** (Tensor) - 待计算值。
+
+**返回**
+
+- Tensor: :attr:`value` 的对数概率。数据类型与 :attr:`value` 相同。
+
+
+sample(shape=())
+'''''''''
+
+从 MultivariateNormal 分布中生成满足特定形状的样本数据。最终生成样本形状为 ``sample_shape + batch_shape + event_shape`` 。
+
+**参数**
+
+- **shape** (Sequence[int]，可选)：采样次数。
+
+**返回**
+
+- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型为 float32 。
+
+
+rsample(shape=())
+'''''''''
+
+重参数化采样，生成指定维度的样本。最终生成样本形状为 ``sample_shape + batch_shape + event_shape`` 。
+
+**参数**
+
+- **shape** (Sequence[int]，可选)：采样次数。
+
+**返回**
+
+- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型为 float32 。
+
+
+entropy()
+'''''''''
+
+计算 MultivariateNormal 分布的信息熵。
+
+.. math::
+
+    \mathcal{H}(X) = \frac{n}{2} \log(2\pi) + \log {\det A} + \frac{n}{2}
+
+**返回**
+
+类别分布的信息熵，数据类型为 float32。
+
+
+kl_divergence(other)
+'''''''''
+
+相对于另一个类别分布的 KL 散度，两个分布需要有相同的 :math:`\text{batch shape}` 和 :math:`\text{event shape}`。
+
+.. math::
+
+    KL\_divergence(\lambda_1, \lambda_2) = \log(\det A_2) - \log(\det A_1) -\frac{n}{2} +\frac{1}{2}[tr [\Sigma_2^{-1} \Sigma_1] + (\mu_1 - \mu_2)^{\intercal} \Sigma_2^{-1}  (\mu_1 - \mu_2)]
+
+**参数**
+
+    - **other** (MultivariateNormal) - 输入的另一个类别分布。
+
+**返回**
+
+相对于另一个类别分布的 KL 散度，数据类型为 float32。
diff --git a/docs/api/paddle/distribution/Overview_cn.rst b/docs/api/paddle/distribution/Overview_cn.rst
index 47d2c6f692b..21fb47c00f6 100644
--- a/docs/api/paddle/distribution/Overview_cn.rst
+++ b/docs/api/paddle/distribution/Overview_cn.rst
@@ -23,12 +23,14 @@ paddle.distribution 目录下包含飞桨框架支持的随机变量的概率分
     " :ref:`Distribution <cn_api_paddle_distribution_Distribution>` ", "Distribution 概率分布抽象基类"
     " :ref:`ExponentialFamily <cn_api_paddle_distribution_ExponentialFamily>` ", "ExponentialFamily 指数型分布族基类"
     " :ref:`Bernoulli <cn_api_paddle_distribution_Bernoulli>` ", "Bernoulli 概率分布类"
+    " :ref:`ContinuousBernoulli <cn_api_paddle_distribution_ContinuousBernoulli>` ", "ContinuousBernoulli 概率分布类"
     " :ref:`Categorical <cn_api_paddle_distribution_Categorical>` ", "Categorical 概率分布类"
     " :ref:`Cauchy <cn_api_paddle_distribution_Cauchy>` ", "Cauchy 概率分布类"
     " :ref:`Normal <cn_api_paddle_distribution_Normal>` ", "Normal 概率分布类"
     " :ref:`Uniform <cn_api_paddle_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:`MultivariateNormal <cn_api_paddle_distribution_MultivariateNormal>` ", "MultivariateNormal 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"

From 01b9a92a94fcd8fe0a746e07f0ce5eba1a35c1b3 Mon Sep 17 00:00:00 2001
From: AyaseNana <13659110308@163.com>
Date: Wed, 13 Dec 2023 14:56:02 +0800
Subject: [PATCH 2/7] update docs

---
 .../distribution/ContinuousBernoulli_cn.rst   | 24 +++++++++----------
 .../distribution/MultivariateNormal_cn.rst    | 20 ++++++++--------
 2 files changed, 22 insertions(+), 22 deletions(-)

diff --git a/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
index bda5eecb302..e8ee159c7d4 100644
--- a/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
+++ b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
@@ -3,7 +3,7 @@
 ContinuousBernoulli
 -------------------------------
 
-.. py:class:: paddle.distribution.ContinuousBernoulli(probability, eps=1e-4)
+.. py:class:: paddle.distribution.ContinuousBernoulli(probability, eps=0.02)
 
 
 ContinuousBernoulli 是一种定义在 [0，1] 区间上的连续型概率分布，参数 :attr:`probability` 描述了其概率密度函数的形状。它可以被视为连续型的伯努利分布。
@@ -34,11 +34,11 @@ ContinuousBernoulli 是一种定义在 [0，1] 区间上的连续型概率分布
 参数
 :::::::::
 
-- **probability** (int|float|np.ndarray|Tensor) - 即上述公式中 :math:`\lambda` 参数，在 [0, 1] 内，表示事件平均概率，刻画 ContinuousBernoulli 分布的
-  概率密度函数的形状。:attr:`probability` 的数据类型会被转换为 float32 类型。
+- **probability** (int|float|Tensor) - 即上述公式中 :math:`\lambda` 参数，在 [0, 1] 内，刻画 ContinuousBernoulli 分布的
+  概率密度函数的形状。如果 :attr:`probability` 的输入数据类型是 `int` 或 `float` ，则会被转换为数据类型为 paddle 全局默认数据类型的 1-D Tensor。
 
 - **eps** (float) - 表示概率计算非稳定区域的区域宽度，概率计算非稳定区域即为 [0.5 - :attr:`eps`, 0.5 + :attr:`eps`] ，非稳定区域的概率计算使用泰勒展开做近似。
-  默认值为 1e-4。
+  默认值为 0.02。
 
 代码示例
 :::::::::
@@ -80,7 +80,7 @@ prob(value)
 
 **返回**
 
-- Tensor: :attr:`value` 的概率。数据类型与 :attr:`value` 相同。
+- Tensor: :attr:`value` 的概率。数据类型与 :attr:`probability` 相同。
 
 
 log_prob(value)
@@ -94,7 +94,7 @@ log_prob(value)
 
 **返回**
 
-- Tensor: :attr:`value` 的对数概率。数据类型与 :attr:`value` 相同。
+- Tensor: :attr:`value` 的对数概率。数据类型与 :attr:`probability` 相同。
 
 
 cdf(value)
@@ -119,7 +119,7 @@ cdf(value)
 
 **返回**
 
-- Tensor: :attr:`value` 的累积分布函数对应的 quantile 值。数据类型与 :attr:`value` 相同。
+- Tensor: :attr:`value` 的累积分布函数对应的 quantile 值。数据类型与 :attr:`probability` 相同。
 
 
 icdf(value)
@@ -143,7 +143,7 @@ icdf(value)
 
 **返回**
 
-- Tensor: ContinuousBernoulli 随机变量在对应 quantile 下的值。数据类型与 :attr:`value` 相同。
+- Tensor: ContinuousBernoulli 随机变量在对应 quantile 下的值。数据类型与 :attr:`probability` 相同。
 
 
 sample(shape=())
@@ -157,7 +157,7 @@ sample(shape=())
 
 **返回**
 
-- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape}` 。数据类型为 float32 。
+- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape}` 。
 
 
 rsample(shape=())
@@ -171,7 +171,7 @@ rsample(shape=())
 
 **返回**
 
-- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape}` 。数据类型为 float32 。
+- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape}` 。
 
 
 entropy()
@@ -185,7 +185,7 @@ entropy()
 
 **返回**
 
-类别分布的信息熵，数据类型为 float32。
+类别分布的信息熵。
 
 
 kl_divergence(other)
@@ -203,4 +203,4 @@ kl_divergence(other)
 
 **返回**
 
-相对于另一个类别分布的 KL 散度，数据类型为 float32。
+相对于另一个类别分布的 KL 散度。
diff --git a/docs/api/paddle/distribution/MultivariateNormal_cn.rst b/docs/api/paddle/distribution/MultivariateNormal_cn.rst
index 86b693712f8..a87355935f4 100644
--- a/docs/api/paddle/distribution/MultivariateNormal_cn.rst
+++ b/docs/api/paddle/distribution/MultivariateNormal_cn.rst
@@ -25,13 +25,13 @@ MultivariateNormal 是一种定义在实数域上的多元连续型概率分布
 参数
 :::::::::
 
-- **loc** (int|float|np.ndarray|Tensor) - 即上述公式中 :math:`\mu` 参数，是 MultivariateNormal 的均值向量。:attr:`loc` 的数据类型会被转换为 float32 类型。
+- **loc** (int|float|Tensor) - 即上述公式中 :math:`\mu` 参数，是 MultivariateNormal 的均值向量。如果 :attr:`loc` 的输入数据类型是 `int` 或 `float` 则会被转换为数据类型为 paddle 全局默认数据类型的 1-D Tensor。
 
-- **covariance_matrix** (Tensor) - 即上述公式中 :math:`\mu` 参数，是 MultivariateNormal 的协方差矩阵。:attr:`covariance_matrix` 的数据类型会被转换为 float32 类型。
+- **covariance_matrix** (Tensor) - 即上述公式中 :math:`\mu` 参数，是 MultivariateNormal 的协方差矩阵。:attr:`covariance_matrix` 的数据类型会被转换为与 :attr:`loc` 相同的类型。
 
-- **precision_matrix** (Tensor) - 是 MultivariateNormal 协方差矩阵的逆矩阵。:attr:`precision_matrix` 的数据类型会被转换为 float32 类型。
+- **precision_matrix** (Tensor) - 是 MultivariateNormal 协方差矩阵的逆矩阵。:attr:`precision_matrix` 的数据类型会被转换为与 :attr:`loc` 相同的类型。
 
-- **scale_tril** (Tensor) - 是 MultivariateNormal 协方差矩阵的柯列斯基分解的下三角矩阵。:attr:`scale_tril` 的数据类型会被转换为 float32 类型。
+- **scale_tril** (Tensor) - 是 MultivariateNormal 协方差矩阵的柯列斯基分解的下三角矩阵。:attr:`scale_tril` 的数据类型会被转换为与 :attr:`loc` 相同的类型。
 
 
 代码示例
@@ -74,7 +74,7 @@ prob(value)
 
 **返回**
 
-- Tensor: :attr:`value` 的概率。数据类型与 :attr:`value` 相同。
+- Tensor: :attr:`value` 的概率。数据类型与 :attr:`loc` 相同。
 
 
 log_prob(value)
@@ -88,7 +88,7 @@ log_prob(value)
 
 **返回**
 
-- Tensor: :attr:`value` 的对数概率。数据类型与 :attr:`value` 相同。
+- Tensor: :attr:`value` 的对数概率。数据类型与 :attr:`loc` 相同。
 
 
 sample(shape=())
@@ -102,7 +102,7 @@ sample(shape=())
 
 **返回**
 
-- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型为 float32 。
+- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型为 paddle 全局默认数据类型。
 
 
 rsample(shape=())
@@ -116,7 +116,7 @@ rsample(shape=())
 
 **返回**
 
-- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型为 float32 。
+- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型为 paddle 全局默认数据类型。
 
 
 entropy()
@@ -130,7 +130,7 @@ entropy()
 
 **返回**
 
-类别分布的信息熵，数据类型为 float32。
+类别分布的信息熵，数据类型为 paddle 全局默认数据类型。
 
 
 kl_divergence(other)
@@ -148,4 +148,4 @@ kl_divergence(other)
 
 **返回**
 
-相对于另一个类别分布的 KL 散度，数据类型为 float32。
+相对于另一个类别分布的 KL 散度，数据类型为 paddle 全局默认数据类型。

From 754bef85a308d0ed1f254082933248926bfaf01d Mon Sep 17 00:00:00 2001
From: AyaseNana <13659110308@163.com>
Date: Wed, 13 Dec 2023 15:08:02 +0800
Subject: [PATCH 3/7] update docs

---
 .../paddle/distribution/ContinuousBernoulli_cn.rst   |  8 ++++----
 .../paddle/distribution/MultivariateNormal_cn.rst    | 12 ++++++------
 2 files changed, 10 insertions(+), 10 deletions(-)

diff --git a/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
index e8ee159c7d4..8e312b23ad1 100644
--- a/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
+++ b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
@@ -80,7 +80,7 @@ prob(value)
 
 **返回**
 
-- Tensor: :attr:`value` 的概率。数据类型与 :attr:`probability` 相同。
+- Tensor: :attr:`value` 的概率。数据类型与 `self.probability` 相同。
 
 
 log_prob(value)
@@ -94,7 +94,7 @@ log_prob(value)
 
 **返回**
 
-- Tensor: :attr:`value` 的对数概率。数据类型与 :attr:`probability` 相同。
+- Tensor: :attr:`value` 的对数概率。数据类型与 `self.probability` 相同。
 
 
 cdf(value)
@@ -119,7 +119,7 @@ cdf(value)
 
 **返回**
 
-- Tensor: :attr:`value` 的累积分布函数对应的 quantile 值。数据类型与 :attr:`probability` 相同。
+- Tensor: :attr:`value` 的累积分布函数对应的 quantile 值。数据类型与 `self.probability` 相同。
 
 
 icdf(value)
@@ -143,7 +143,7 @@ icdf(value)
 
 **返回**
 
-- Tensor: ContinuousBernoulli 随机变量在对应 quantile 下的值。数据类型与 :attr:`probability` 相同。
+- Tensor: ContinuousBernoulli 随机变量在对应 quantile 下的值。数据类型与 `self.probability` 相同。
 
 
 sample(shape=())
diff --git a/docs/api/paddle/distribution/MultivariateNormal_cn.rst b/docs/api/paddle/distribution/MultivariateNormal_cn.rst
index a87355935f4..16adb4ee6a2 100644
--- a/docs/api/paddle/distribution/MultivariateNormal_cn.rst
+++ b/docs/api/paddle/distribution/MultivariateNormal_cn.rst
@@ -74,7 +74,7 @@ prob(value)
 
 **返回**
 
-- Tensor: :attr:`value` 的概率。数据类型与 :attr:`loc` 相同。
+- Tensor: :attr:`value` 的概率。数据类型与 `self.loc` 相同。
 
 
 log_prob(value)
@@ -88,7 +88,7 @@ log_prob(value)
 
 **返回**
 
-- Tensor: :attr:`value` 的对数概率。数据类型与 :attr:`loc` 相同。
+- Tensor: :attr:`value` 的对数概率。数据类型与 `self.loc` 相同。
 
 
 sample(shape=())
@@ -102,7 +102,7 @@ sample(shape=())
 
 **返回**
 
-- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型为 paddle 全局默认数据类型。
+- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型与 `self.loc` 相同。
 
 
 rsample(shape=())
@@ -116,7 +116,7 @@ rsample(shape=())
 
 **返回**
 
-- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型为 paddle 全局默认数据类型。
+- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型与 `self.loc` 相同。
 
 
 entropy()
@@ -130,7 +130,7 @@ entropy()
 
 **返回**
 
-类别分布的信息熵，数据类型为 paddle 全局默认数据类型。
+类别分布的信息熵，数据类型与 `self.loc` 相同。
 
 
 kl_divergence(other)
@@ -148,4 +148,4 @@ kl_divergence(other)
 
 **返回**
 
-相对于另一个类别分布的 KL 散度，数据类型为 paddle 全局默认数据类型。
+相对于另一个类别分布的 KL 散度，数据类型与 `self.loc` 相同。

From f308f4bdcb806736126e6cf4fcbe3407492a147e Mon Sep 17 00:00:00 2001
From: AyaseNana <13659110308@163.com>
Date: Wed, 13 Dec 2023 20:25:39 +0800
Subject: [PATCH 4/7] update cb reference

---
 docs/api/paddle/distribution/ContinuousBernoulli_cn.rst | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
index 8e312b23ad1..02d7e92df58 100644
--- a/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
+++ b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
@@ -7,7 +7,7 @@ ContinuousBernoulli
 
 
 ContinuousBernoulli 是一种定义在 [0，1] 区间上的连续型概率分布，参数 :attr:`probability` 描述了其概率密度函数的形状。它可以被视为连续型的伯努利分布。
-出自 [1] Loaiza-Ganem, G., & Cunningham, J. P. The continuous Bernoulli: fixing a pervasive error in variational autoencoders. 2019.
+出自 `The continuous Bernoulli: fixing a pervasive error in variational autoencoders. <https://arxiv.org/abs/1907.06845>`_
 
 其概率密度函数（pdf）为：
 

From 2e104efa7a42b2c41c2c3629734ca3cd721bf694 Mon Sep 17 00:00:00 2001
From: AyaseNana <13659110308@163.com>
Date: Thu, 14 Dec 2023 13:07:18 +0800
Subject: [PATCH 5/7] update cb api

---
 .../distribution/ContinuousBernoulli_cn.rst   | 19 +++++++++----------
 1 file changed, 9 insertions(+), 10 deletions(-)

diff --git a/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
index 02d7e92df58..d90d9dd939b 100644
--- a/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
+++ b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
@@ -3,10 +3,10 @@
 ContinuousBernoulli
 -------------------------------
 
-.. py:class:: paddle.distribution.ContinuousBernoulli(probability, eps=0.02)
+.. py:class:: paddle.distribution.ContinuousBernoulli(probs, eps=0.02)
 
 
-ContinuousBernoulli 是一种定义在 [0，1] 区间上的连续型概率分布，参数 :attr:`probability` 描述了其概率密度函数的形状。它可以被视为连续型的伯努利分布。
+ContinuousBernoulli 是一种定义在 [0，1] 区间上的连续型概率分布，参数 :attr:`probs` 描述了其概率密度函数的形状。它可以被视为连续型的伯努利分布。
 出自 `The continuous Bernoulli: fixing a pervasive error in variational autoencoders. <https://arxiv.org/abs/1907.06845>`_
 
 其概率密度函数（pdf）为：
@@ -34,11 +34,10 @@ ContinuousBernoulli 是一种定义在 [0，1] 区间上的连续型概率分布
 参数
 :::::::::
 
-- **probability** (int|float|Tensor) - 即上述公式中 :math:`\lambda` 参数，在 [0, 1] 内，刻画 ContinuousBernoulli 分布的
-  概率密度函数的形状。如果 :attr:`probability` 的输入数据类型是 `int` 或 `float` ，则会被转换为数据类型为 paddle 全局默认数据类型的 1-D Tensor。
+- **probs** (int|float|Tensor) - 即上述公式中 :math:`\lambda` 参数，在 [0, 1] 内，刻画 ContinuousBernoulli 分布的
+  概率密度函数的形状。如果 :attr:`probs` 的输入数据类型是 `int` 或 `float` ，则会被转换为数据类型为 paddle 全局默认数据类型的 1-D Tensor。
 
-- **eps** (float) - 表示概率计算非稳定区域的区域宽度，概率计算非稳定区域即为 [0.5 - :attr:`eps`, 0.5 + :attr:`eps`] ，非稳定区域的概率计算使用泰勒展开做近似。
-  默认值为 0.02。
+- **lims** (float) - 表示概率计算非稳定区域的区域宽度，非稳定区域的概率计算使用泰勒展开做近似。默认值为 (0.499, 0.501)。
 
 代码示例
 :::::::::
@@ -80,7 +79,7 @@ prob(value)
 
 **返回**
 
-- Tensor: :attr:`value` 的概率。数据类型与 `self.probability` 相同。
+- Tensor: :attr:`value` 的概率。数据类型与 `self.probs` 相同。
 
 
 log_prob(value)
@@ -94,7 +93,7 @@ log_prob(value)
 
 **返回**
 
-- Tensor: :attr:`value` 的对数概率。数据类型与 `self.probability` 相同。
+- Tensor: :attr:`value` 的对数概率。数据类型与 `self.probs` 相同。
 
 
 cdf(value)
@@ -119,7 +118,7 @@ cdf(value)
 
 **返回**
 
-- Tensor: :attr:`value` 的累积分布函数对应的 quantile 值。数据类型与 `self.probability` 相同。
+- Tensor: :attr:`value` 的累积分布函数对应的 quantile 值。数据类型与 `self.probs` 相同。
 
 
 icdf(value)
@@ -143,7 +142,7 @@ icdf(value)
 
 **返回**
 
-- Tensor: ContinuousBernoulli 随机变量在对应 quantile 下的值。数据类型与 `self.probability` 相同。
+- Tensor: ContinuousBernoulli 随机变量在对应 quantile 下的值。数据类型与 `self.probs` 相同。
 
 
 sample(shape=())

From b5b25f860b5e2ecc0d5341519c0929d0f95c6994 Mon Sep 17 00:00:00 2001
From: AyaseNana <13659110308@163.com>
Date: Thu, 14 Dec 2023 16:35:40 +0800
Subject: [PATCH 6/7] update docs

---
 .../distribution/ContinuousBernoulli_cn.rst   | 40 +++++++++----------
 .../distribution/MultivariateNormal_cn.rst    | 32 +++++++--------
 2 files changed, 36 insertions(+), 36 deletions(-)

diff --git a/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
index d90d9dd939b..a95b60ac545 100644
--- a/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
+++ b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
@@ -3,7 +3,7 @@
 ContinuousBernoulli
 -------------------------------
 
-.. py:class:: paddle.distribution.ContinuousBernoulli(probs, eps=0.02)
+.. py:class:: paddle.distribution.ContinuousBernoulli(probs, lims=(0.499, 0.501))
 
 
 ContinuousBernoulli 是一种定义在 [0，1] 区间上的连续型概率分布，参数 :attr:`probs` 描述了其概率密度函数的形状。它可以被视为连续型的伯努利分布。
@@ -34,10 +34,10 @@ ContinuousBernoulli 是一种定义在 [0，1] 区间上的连续型概率分布
 参数
 :::::::::
 
-- **probs** (int|float|Tensor) - 即上述公式中 :math:`\lambda` 参数，在 [0, 1] 内，刻画 ContinuousBernoulli 分布的
-  概率密度函数的形状。如果 :attr:`probs` 的输入数据类型是 `int` 或 `float` ，则会被转换为数据类型为 paddle 全局默认数据类型的 1-D Tensor。
+    - **probs** (int|float|Tensor) - 即上述公式中 :math:`\lambda` 参数，在 [0, 1] 内，刻画 ContinuousBernoulli 分布的
+      概率密度函数的形状。如果 :attr:`probs` 的输入数据类型是 `int` 或 `float` ，则会被转换为数据类型为 paddle 全局默认数据类型的 1-D Tensor。
 
-- **lims** (float) - 表示概率计算非稳定区域的区域宽度，非稳定区域的概率计算使用泰勒展开做近似。默认值为 (0.499, 0.501)。
+    - **lims** (tuple) - 表示概率计算非稳定区域的区域宽度，非稳定区域的概率计算使用泰勒展开做近似。默认值为 (0.499, 0.501)。
 
 代码示例
 :::::::::
@@ -75,11 +75,11 @@ prob(value)
 
 **参数**
 
-- **value** (Tensor) - 待计算值。
+    - **value** (Tensor) - 待计算值。
 
 **返回**
 
-- Tensor: :attr:`value` 的概率。数据类型与 `self.probs` 相同。
+Tensor，:attr:`value` 的概率。数据类型与 `self.probs` 相同。
 
 
 log_prob(value)
@@ -89,11 +89,11 @@ log_prob(value)
 
 **参数**
 
-- **value** (Tensor) - 待计算值。
+    - **value** (Tensor) - 待计算值。
 
 **返回**
 
-- Tensor: :attr:`value` 的对数概率。数据类型与 `self.probs` 相同。
+Tensor，:attr:`value` 的对数概率。数据类型与 `self.probs` 相同。
 
 
 cdf(value)
@@ -114,11 +114,11 @@ cdf(value)
 
 **参数**
 
-- **value** (Tensor) - 待计算值。
+    - **value** (Tensor) - 待计算值。
 
 **返回**
 
-- Tensor: :attr:`value` 的累积分布函数对应的 quantile 值。数据类型与 `self.probs` 相同。
+Tensor: :attr:`value` 的累积分布函数对应的 quantile 值。数据类型与 `self.probs` 相同。
 
 
 icdf(value)
@@ -138,11 +138,11 @@ icdf(value)
 
 **参数**
 
-- **value** (Tensor) - 待计算 quantile。
+    - **value** (Tensor) - 待计算 quantile。
 
 **返回**
 
-- Tensor: ContinuousBernoulli 随机变量在对应 quantile 下的值。数据类型与 `self.probs` 相同。
+Tensor，ContinuousBernoulli 随机变量在对应 quantile 下的值。数据类型与 `self.probs` 相同。
 
 
 sample(shape=())
@@ -152,11 +152,11 @@ sample(shape=())
 
 **参数**
 
-- **shape** (Sequence[int]，可选)：采样次数。
+    - **shape** (Sequence[int]，可选)：采样次数。
 
 **返回**
 
-- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape}` 。
+Tensor，样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape}` 。
 
 
 rsample(shape=())
@@ -166,11 +166,11 @@ rsample(shape=())
 
 **参数**
 
-- **shape** (Sequence[int]，可选)：采样次数。
+    - **shape** (Sequence[int]，可选)：采样次数。
 
 **返回**
 
-- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape}` 。
+Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape}` 。
 
 
 entropy()
@@ -184,13 +184,13 @@ entropy()
 
 **返回**
 
-类别分布的信息熵。
+连续伯努利分布的信息熵。
 
 
 kl_divergence(other)
 '''''''''
 
-相对于另一个类别分布的 KL 散度，两个分布需要有相同的 :math:`\text{batch shape}`。
+相对于另一个连续伯努利分布的 KL 散度，两个分布需要有相同的 :math:`\text{batch shape}`。
 
 .. math::
 
@@ -198,8 +198,8 @@ kl_divergence(other)
 
 **参数**
 
-    - **other** (ContinuousBernoulli) - 输入的另一个类别分布。
+    - **other** (ContinuousBernoulli) - 输入的另一个连续伯努利分布。
 
 **返回**
 
-相对于另一个类别分布的 KL 散度。
+相对于另一个连续伯努利分布的 KL 散度。
diff --git a/docs/api/paddle/distribution/MultivariateNormal_cn.rst b/docs/api/paddle/distribution/MultivariateNormal_cn.rst
index 16adb4ee6a2..17933b2e259 100644
--- a/docs/api/paddle/distribution/MultivariateNormal_cn.rst
+++ b/docs/api/paddle/distribution/MultivariateNormal_cn.rst
@@ -25,13 +25,13 @@ MultivariateNormal 是一种定义在实数域上的多元连续型概率分布
 参数
 :::::::::
 
-- **loc** (int|float|Tensor) - 即上述公式中 :math:`\mu` 参数，是 MultivariateNormal 的均值向量。如果 :attr:`loc` 的输入数据类型是 `int` 或 `float` 则会被转换为数据类型为 paddle 全局默认数据类型的 1-D Tensor。
+    - **loc** (int|float|Tensor) - 即上述公式中 :math:`\mu` 参数，是 MultivariateNormal 的均值向量。如果 :attr:`loc` 的输入数据类型是 `int` 或 `float` 则会被转换为数据类型为 paddle 全局默认数据类型的 1-D Tensor。
 
-- **covariance_matrix** (Tensor) - 即上述公式中 :math:`\mu` 参数，是 MultivariateNormal 的协方差矩阵。:attr:`covariance_matrix` 的数据类型会被转换为与 :attr:`loc` 相同的类型。
+    - **covariance_matrix** (Tensor) - 即上述公式中 :math:`\mu` 参数，是 MultivariateNormal 的协方差矩阵。:attr:`covariance_matrix` 的数据类型会被转换为与 :attr:`loc` 相同的类型。默认值为 None。
 
-- **precision_matrix** (Tensor) - 是 MultivariateNormal 协方差矩阵的逆矩阵。:attr:`precision_matrix` 的数据类型会被转换为与 :attr:`loc` 相同的类型。
+    - **precision_matrix** (Tensor) - 是 MultivariateNormal 协方差矩阵的逆矩阵。:attr:`precision_matrix` 的数据类型会被转换为与 :attr:`loc` 相同的类型。默认值为 None。
 
-- **scale_tril** (Tensor) - 是 MultivariateNormal 协方差矩阵的柯列斯基分解的下三角矩阵。:attr:`scale_tril` 的数据类型会被转换为与 :attr:`loc` 相同的类型。
+    - **scale_tril** (Tensor) - 是 MultivariateNormal 协方差矩阵的柯列斯基分解的下三角矩阵。:attr:`scale_tril` 的数据类型会被转换为与 :attr:`loc` 相同的类型。默认值为 None。
 
 
 代码示例
@@ -70,11 +70,11 @@ prob(value)
 
 **参数**
 
-- **value** (Tensor) - 待计算值。
+    - **value** (Tensor) - 待计算值。
 
 **返回**
 
-- Tensor: :attr:`value` 的概率。数据类型与 `self.loc` 相同。
+Tensor，:attr:`value` 的概率。数据类型与 `self.loc` 相同。
 
 
 log_prob(value)
@@ -84,11 +84,11 @@ log_prob(value)
 
 **参数**
 
-- **value** (Tensor) - 待计算值。
+    - **value** (Tensor) - 待计算值。
 
 **返回**
 
-- Tensor: :attr:`value` 的对数概率。数据类型与 `self.loc` 相同。
+Tensor，:attr:`value` 的对数概率。数据类型与 `self.loc` 相同。
 
 
 sample(shape=())
@@ -98,11 +98,11 @@ sample(shape=())
 
 **参数**
 
-- **shape** (Sequence[int]，可选)：采样次数。
+    - **shape** (Sequence[int]，可选)：采样次数。
 
 **返回**
 
-- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型与 `self.loc` 相同。
+Tensor，样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型与 `self.loc` 相同。
 
 
 rsample(shape=())
@@ -112,11 +112,11 @@ rsample(shape=())
 
 **参数**
 
-- **shape** (Sequence[int]，可选)：采样次数。
+    - **shape** (Sequence[int]，可选)：采样次数。
 
 **返回**
 
-- Tensor：样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型与 `self.loc` 相同。
+Tensor，样本数据。其维度为 :math:`\text{sample shape} + \text{batch shape} + \text{event shape}` 。数据类型与 `self.loc` 相同。
 
 
 entropy()
@@ -130,13 +130,13 @@ entropy()
 
 **返回**
 
-类别分布的信息熵，数据类型与 `self.loc` 相同。
+多元正态分布的信息熵，数据类型与 `self.loc` 相同。
 
 
 kl_divergence(other)
 '''''''''
 
-相对于另一个类别分布的 KL 散度，两个分布需要有相同的 :math:`\text{batch shape}` 和 :math:`\text{event shape}`。
+相对于另一个多元正态分布的 KL 散度，两个分布需要有相同的 :math:`\text{batch shape}` 和 :math:`\text{event shape}`。
 
 .. math::
 
@@ -144,8 +144,8 @@ kl_divergence(other)
 
 **参数**
 
-    - **other** (MultivariateNormal) - 输入的另一个类别分布。
+    - **other** (MultivariateNormal) - 输入的另一个多元正态分布。
 
 **返回**
 
-相对于另一个类别分布的 KL 散度，数据类型与 `self.loc` 相同。
+相对于另一个多元正态分布的 KL 散度，数据类型与 `self.loc` 相同。

From edcef72452b2bd45ac3f7eba8d4aed6a90f5b87c Mon Sep 17 00:00:00 2001
From: AyaseNana <49900969+NKNaN@users.noreply.github.com>
Date: Mon, 18 Dec 2023 11:39:07 +0800
Subject: [PATCH 7/7] Apply suggestions from code review

Co-authored-by: zachary sun <70642955+sunzhongkai588@users.noreply.github.com>
---
 docs/api/paddle/distribution/ContinuousBernoulli_cn.rst | 2 +-
 docs/api/paddle/distribution/MultivariateNormal_cn.rst  | 6 +++---
 2 files changed, 4 insertions(+), 4 deletions(-)

diff --git a/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
index a95b60ac545..41b72024718 100644
--- a/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
+++ b/docs/api/paddle/distribution/ContinuousBernoulli_cn.rst
@@ -37,7 +37,7 @@ ContinuousBernoulli 是一种定义在 [0，1] 区间上的连续型概率分布
     - **probs** (int|float|Tensor) - 即上述公式中 :math:`\lambda` 参数，在 [0, 1] 内，刻画 ContinuousBernoulli 分布的
       概率密度函数的形状。如果 :attr:`probs` 的输入数据类型是 `int` 或 `float` ，则会被转换为数据类型为 paddle 全局默认数据类型的 1-D Tensor。
 
-    - **lims** (tuple) - 表示概率计算非稳定区域的区域宽度，非稳定区域的概率计算使用泰勒展开做近似。默认值为 (0.499, 0.501)。
+    - **lims** (tuple，可选) - 表示概率计算非稳定区域的区域宽度，非稳定区域的概率计算使用泰勒展开做近似。默认值为 (0.499, 0.501)。
 
 代码示例
 :::::::::
diff --git a/docs/api/paddle/distribution/MultivariateNormal_cn.rst b/docs/api/paddle/distribution/MultivariateNormal_cn.rst
index 17933b2e259..3d09e3803c5 100644
--- a/docs/api/paddle/distribution/MultivariateNormal_cn.rst
+++ b/docs/api/paddle/distribution/MultivariateNormal_cn.rst
@@ -27,11 +27,11 @@ MultivariateNormal 是一种定义在实数域上的多元连续型概率分布
 
     - **loc** (int|float|Tensor) - 即上述公式中 :math:`\mu` 参数，是 MultivariateNormal 的均值向量。如果 :attr:`loc` 的输入数据类型是 `int` 或 `float` 则会被转换为数据类型为 paddle 全局默认数据类型的 1-D Tensor。
 
-    - **covariance_matrix** (Tensor) - 即上述公式中 :math:`\mu` 参数，是 MultivariateNormal 的协方差矩阵。:attr:`covariance_matrix` 的数据类型会被转换为与 :attr:`loc` 相同的类型。默认值为 None。
+    - **covariance_matrix** (Tensor，可选) - 即上述公式中 :math:`\mu` 参数，是 MultivariateNormal 的协方差矩阵。:attr:`covariance_matrix` 的数据类型会被转换为与 :attr:`loc` 相同的类型。默认值为 None。
 
-    - **precision_matrix** (Tensor) - 是 MultivariateNormal 协方差矩阵的逆矩阵。:attr:`precision_matrix` 的数据类型会被转换为与 :attr:`loc` 相同的类型。默认值为 None。
+    - **precision_matrix** (Tensor，可选) - 是 MultivariateNormal 协方差矩阵的逆矩阵。:attr:`precision_matrix` 的数据类型会被转换为与 :attr:`loc` 相同的类型。默认值为 None。
 
-    - **scale_tril** (Tensor) - 是 MultivariateNormal 协方差矩阵的柯列斯基分解的下三角矩阵。:attr:`scale_tril` 的数据类型会被转换为与 :attr:`loc` 相同的类型。默认值为 None。
+    - **scale_tril** (Tensor，可选) - 是 MultivariateNormal 协方差矩阵的柯列斯基分解的下三角矩阵。:attr:`scale_tril` 的数据类型会被转换为与 :attr:`loc` 相同的类型。默认值为 None。
 
 
 代码示例