Pytorch: torch.distributions库

pytorch 的 torch.distributions 中可以定义正态分布：

import torch
from torch.distributions import  Normal
mean=torch.Tensor([0,2])
normal=Normal(mean,1)

sample()就是直接在定义的正太分布（均值为mean，标准差std是１）上采样：

result = normal.sample()
print("sample():",result)

输出：

sample(): tensor([-1.3362,  3.1730])

rsample()不是在定义的正太分布上采样，而是先对标准正太分布 N(0,1) 进行采样，然后输出： mean + std × 采样值

result = normal.rsample()
print("rsample():",result)

输出：

rsample: tensor([ 0.0530,  2.8396])

log_prob(value) 是计算value在定义的正态分布（mean,1）中对应的概率的对数，正太分布概率密度函数是:

对其取对数可得:

这里我们通过对数概率还原其对应的真实概率：

print("result log_prob:",normal.log_prob(result).exp())

输出：

result log_prob: tensor([ 0.1634,  0.2005])