tensorflow - tf.random.normal 和 tf.distributions.Normal 有什么区别？

Question

tf.random.normal和有什么区别tf.distributions.Normal？tf.distributions.Multinomial或者和tf.random.multinomial或类似的东西之间的区别？

tf.distributions.Normal用作tf.random.normal后端？

Answer 1

我最近看了一下tf probability，新的地方换了tf distributions。这是我的理解：

他们不一样。tf.distributions.Normal将为您提供一个可以从中采样的分布对象（这与评估tf.random.normal函数调用返回的张量以获得相同的均值和位置值相同）。但是，分布还允许您评估您提供的样本的概率以及访问分布的所有方面。

例如，您可以执行以下操作：

>>> import tensorflow as tf
>>> dist = tf.distributions.Normal(loc=0., scale=1.)
>>> dist.log_prob(tf.random.normal(shape=(3,3)))
<tf.Tensor: id=58, shape=(3, 3), dtype=float32, numpy=
array([[-0.9486696 , -0.95645994, -1.1610177 ],
       [-1.244764  , -1.416851  , -1.1236244 ],
       [-0.9292835 , -0.98901427, -0.9705758 ]], dtype=float32)>