CuPy数组与SciPy.stats随机变量兼容问题及报错求助

错误原因 #

SciPy的scipy.stats模块基于NumPy开发，内部仅兼容NumPy数组，不原生支持CuPy数组。当你将CuPy数组scale2传入norm()的scale参数时，SciPy会尝试隐式转换CuPy数组为NumPy数组，但CuPy默认禁止这种隐式转换行为，因此抛出TypeError。

可行解决方法 #

方法1：显式转换CuPy数组为NumPy数组 #

通过CuPy数组的.get()方法显式转为NumPy数组，适配SciPy的要求，但会丢失GPU加速优势，适合小数据量场景：

import cupy as cp
import numpy as np
from scipy.stats import norm

scale2 = cp.arange(start=1, stop=11, step=1)
# 显式转换为NumPy数组
rv2 = norm(loc=0, scale=scale2.get())
x = 0
rv2.pdf(x)

方法2：使用CuPy兼容的统计模块 #

CuPy提供cupyx.scipy.stats模块，API与SciPy的scipy.stats几乎完全一致，原生支持CuPy数组，保留GPU加速能力：

import cupy as cp
from cupyx.scipy.stats import norm

scale2 = cp.arange(start=1, stop=11, step=1)
rv2 = norm(loc=0, scale=scale2)
x = 0
# 返回CuPy数组，支持GPU运算
result = rv2.pdf(x)

方法3：手动实现正态分布PDF计算 #

如果不想依赖cupyx.scipy.stats，可直接根据正态分布PDF公式用CuPy函数实现，完全可控且利用GPU：
正态分布PDF公式：$f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{{-\frac{(x-\mu)}2}{2\sigma^2}}$

import cupy as cp

scale2 = cp.arange(start=1, stop=11, step=1)
loc = 0
x = 0

# 手动计算PDF
pdf_vals = (1 / (scale2 * cp.sqrt(2 * cp.pi))) * cp.exp(-((x - loc)**2) / (2 * scale2**2))

内容的提问来源于stack exchange，提问作者k2pctdn