37、探索TensorFlow Probability：分布、网络与不确定性处理

探索TensorFlow Probability：分布、网络与不确定性处理

1. TensorFlow Probability分布

TFP中的每个分布都与形状、批次和事件大小相关联。形状即样本大小，代表独立同分布的抽取或观测。以下是一些示例：

import tensorflow as tf
import tensorflow_probability as tfp
tfd = tfp.distributions

# 定义单个正态分布
normal = tfd.Normal(loc=0., scale=1.)
print(normal)
# 输出：tfp.distributions.Normal("Normal", batch_shape=[], event_shape=[], dtype=float32)

# 定义两个正态分布
normal_2 = tfd.Normal(loc=[0., 0.], scale=[1., 3.])
print(normal_2)
# 输出：tfp.distributions.Normal("Normal", batch_shape=[2], event_shape=[], dtype=float32)

从上述代码可以看出， batch_shape 决定了从同一分布族中观测的数量。

若需要一个依赖于两个不同均值变量的单正态分布，可以使用 MultivariateNormalDiag ：

normal_3 = t