Python PyTorch MultivariateNormal用法及代码示例

本文简要介绍python语言中 torch.distributions.multivariate_normal.MultivariateNormal 的用法。

用法:

class torch.distributions.multivariate_normal.MultivariateNormal(loc, covariance_matrix=None, precision_matrix=None, scale_tril=None, validate_args=None)

参数：

• loc(Tensor) -分布的平均值

• covariance_matrix(Tensor) -正定协方差矩阵

• precision_matrix(Tensor) -正定精度矩阵

• scale_tril(Tensor) -协方差的下三角因子，positive-valued 对角线

基础：torch.distributions.distribution.Distribution

创建由均值向量和协方差矩阵参数化的多元正态(也称为高斯)分布。

多元正态分布可以根据正定协方差矩阵\mathbf{\Sigma}或正定精度矩阵\mathbf{\Sigma}^{-1}或具有positive-valued对角线条目的下三角矩阵\mathbf{L}进行参数化，例如\mathbf{\Sigma} = \mathbf{L}\mathbf{L}^\top。这个三角矩阵可以通过例如获得协方差的 Cholesky 分解。

示例

>>> m = MultivariateNormal(torch.zeros(2), torch.eye(2))
>>> m.sample()  # normally distributed with mean=`[0,0]` and covariance_matrix=`I`
tensor([-0.2102, -0.5429])

注意

只能指定covariance_matrix、precision_matrix 或scale_tril 之一。

使用 scale_tril 会更高效：内部所有计算都基于 scale_tril 。如果改为传递 covariance_matrix 或 precision_matrix，则它仅用于使用 Cholesky 分解计算相应的下三角矩阵。