tf.random.normal和tf.distributions.Normal有什么不同？

Question

tf.random.normal和tf.distributions.Normal有什么不同？或者tf.distributions.Multinomial和tf.random.multinomial之间的区别，或者任何类似的东西？

是否将tf.distributions.Normal用作tf.random.normal的后端

Answer 1

我最近查看了tf distributions的新网站tf probability。这是我的理解：

它们是不一样的。tf.distributions.Normal将为您提供一个分布对象，您可以从中进行采样(这将与计算tf.random.normal函数调用返回的张量以获得相同的平均值和loc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)>