如何使用 Tensorflow 从范围内的正态分布随机值中采样？

Question

我有两个变量mean 和stddev，它们是形状为 (1,) 的张量，它们代表许多具有平均值的正态分布，比如 mean[i] 和标准差 stddev[i]。

从这些分布中，我想为每个人在 [low,up,] 的范围内采样一个值，然后我想获得采样值的对数概率。

从docs 中，我发现experimental_sample_and_log_prob 方法几乎适合我，因为它不会对我想要的值范围（低、高）内的元素进行采样。

所以我编写了几行代码，但它自然不能很好地工作，而且计算量非常大。

import tensorflow as tf
from tensorflow_probability import distributions as tfd


def sample_and_log_prob(dist, up, down):
    samples = dist.sample()
    accepted = False
    print("Is {} accepted? {}".format(samples, accepted))
    while not accepted:
        # sample < up
        cond1 = tf.less_equal(samples, up)
        # sample > down
        cond2 = tf.greater_equal(samples, down)
        # if down < sample < up
        accepted = tf.logical_and(cond1, cond2) 
        samples = tf.where(
            tf.logical_not(accepted),
            samples,
            dist.sample())
        print("Is {} accepted? {}".format(samples, accepted))
    
    return samples, dist.log_prob(samples)


distribution = tfd.Normal(
    loc=mean ,
    scale=stddev,
    validate_args=True,
    allow_nan_stats=False)

samples, log_probs = sample_and_log_prob(distribution, up=-1, down=1)

有什么解决办法吗？

Answer 1

听起来你想要一个TruncatedNormal 分发。