TensorFlow Probability中Sequential与Named联合分布对数概率不一致问题

你遇到的结果不一致问题主要来自两类接口的3个底层差异，以及代码中的参数写法疏漏：

1. 依赖函数的入参传递逻辑完全不同 #

• JointDistributionSequentialAutoBatched 按列表定义顺序存储随机变量，但其依赖函数（lambda）的入参顺序是前面所有变量的逆序：
  你代码中列表顺序为[beta0分布, beta1分布, sigma分布, 依赖lambda]，lambda的入参按顺序对应的实际是sigma、beta1、beta0，而非你写的beta0、beta1、sigma。这就导致你定义的loc=beta0 + beta1 * weight实际运算时为loc=sigma + beta1 * weight，参数完全错位。
• JointDistributionNamedAutoBatched 的依赖函数入参按变量名匹配，和定义顺序无关，你的lambda参数写法对这类接口是正确的。

2. log_prob位置传参的默认排序逻辑不同 #

• 调用log_prob方法时，给Sequential传位置参数的匹配顺序和列表定义顺序完全一致。
• 给Named传位置参数时，默认按照变量名的字母升序匹配，而非定义顺序，如果你没有显式指定order参数，也容易出现参数错位。

3. Uniform分布的参数写法错误 #

tfd.Uniform的原生构造参数为low和high，不支持scale参数，你传入的scale=10会被作为不识别参数忽略，如果你要定义[1, 11)区间的均匀分布，正确写法为tfd.Uniform(low=1., high=11.)。你测试中sigma=0.5时Named输出-inf就是因为sigma的实际取值不在先验分布区间内，而Sequential因为参数错位，0.5被传入了beta0的位置，beta0的先验是Normal分布，所以不会出现-inf。

修正方案 #

1. 把Sequential的lambda参数顺序改成逆序：lambda sigma, beta1, beta0: ...
2. 修正Uniform分布的参数写法，用low和high显式指定区间
3. 调用Named的log_prob时优先传入字典而非位置参数，或者在定义时显式指定order=["beta0", "beta1", "sigma", "x"]参数固定顺序

内容的提问来源于stack exchange，提问作者Marvin Ward Jr