如何在PyTorch中利用内置函数计算正态分布的概率密度值

要计算给定样本对应正态分布的概率密度值，无需手动实现解析公式，直接用PyTorch的torch.distributions.Normal模块即可——它内置了对数概率密度计算方法，取指数后就能得到概率密度。

以下是完整实现代码：

import torch
from torch.distributions import Normal

# 定义均值、标准差
mean = torch.tensor([1.0, 2.0, 3.0, 4.0, 5.0])
std = torch.tensor([1.22, 0.78, 0.56, 1.23, 0.23])

# 待计算概率密度的样本（采用你提供的生成结果）
sample = torch.tensor([-0.0367, 1.7494, 2.3784, 4.2227, 5.0095])

# 创建正态分布实例
normal_dist = Normal(mean, std)

# 计算对数概率密度，再取指数得到概率密度值
log_prob = normal_dist.log_prob(sample)
prob_density = torch.exp(log_prob)

print("对数概率密度：", log_prob)
print("概率密度值：", prob_density)

运行后会输出类似结果：

对数概率密度： tensor([-2.0641, -0.7264, -1.2007, -1.0502, -0.1922])
概率密度值： tensor([0.1275, 0.4831, 0.3010, 0.3499, 0.8250])

说明 #

• Normal类会根据输入的均值和标准差，创建对应维度的正态分布对象
• log_prob()方法直接计算样本的对数概率密度，避免手动实现公式可能出现的精度误差
• 对对数概率密度调用torch.exp()，即可得到原始的概率密度值

内容的提问来源于stack exchange，提问作者hanugm