Python小练习：从正态分布中采样

Python小练习：从正态分布中采样

作者：凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/

本文用Python实现三种从正态(高斯)分布中的采样方式：确定性采样、重参数化技巧(推荐)、直接采样。

1. normal_test.py

# -*- coding: utf-8 -*-
# Author：凯鲁嘎吉 Coral Gajic
# https://www.cnblogs.com/kailugaji/
# Python小练习：从正态分布中采样
import torch
from torch.distributions import Normal
def my_normal(means, std, str):
    dist = Normal(means, std)
    # Normal(loc: torch.Size([10]), scale: torch.Size([10]))
    if str == 'deterministic':
        out_pred = means
        # 如果是确定性采样，均值就是输出
    elif str == 'reparameterize':
        # 重参数化技巧
        out_pred = dist.rsample()
        # rsample()不是在定义的正态分布上采样
        # 而是mean+std×采样值eps，其中eps~N(0, I)
    else:
        out_pred = dist.sample()
        # 直接从定义的正态分布（均值为mean，标准差std）上采样
    return out_pred

str = ['deterministic', 'reparameterize', 'sample']
means = torch.arange(1, 11) * 1.0
# tensor([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.])
std = torch.arange(1, 0, -0.1)
# tensor([1.0000, 0.9000, 0.8000, 0.7000, 0.6000, 0.5000, 0.4000, 0.3000, 0.2000, 0.1000])
print('均值：\n', means)
print('方差：\n', std)
for i in str:
    out_pred = my_normal(means, std, i)
    print(i, '下的采样结果：\n', out_pred)

2. 结果

D:\ProgramData\Anaconda3\python.exe "D:/Python code/2023.3 exercise/Other/normal_test.py"
均值：
 tensor([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.])
方差：
 tensor([1.0000, 0.9000, 0.8000, 0.7000, 0.6000, 0.5000, 0.4000, 0.3000, 0.2000,
        0.1000])
deterministic 下的采样结果：
 tensor([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.])
reparameterize 下的采样结果：
 tensor([1.7890, 1.6882, 2.9405, 3.5366, 4.5679, 6.0867, 6.7917, 8.0406, 9.0113,
        9.9845])
sample 下的采样结果：
 tensor([0.4161, 1.5916, 3.0199, 3.5160, 4.6002, 5.7837, 7.1503, 8.2893, 8.7639,
        9.9661])

Process finished with exit code 0

注意：每次采样结果是不一样的。