[英]Learning multivariate normal covariance matrix using pytorch
我正在嘗試使用一些觀察來學習多元正態協方差矩陣(Sigma,∑)。
我采用的方法是使用 pytorch.distributions.MultivariateNormal:
import torch
from torch.distributions import MultivariateNormal
# I tried both the scale_tril parameter and the covariance parameter.
mvn = MultivariateNormal(loc=torch.tensor([0.0, 0.0], requires_grad=False).view(1,2),
scale_tril=torch.tensor([[1.0 , 0.0], [0.0, 1.0]],
requires_grad=True).view(-1, 2, 2))
loss = -mvn.log_prob(torch.ones((1, 2))).mean()
loss.backward()
print(mvn.loc.grad)
我沒有。 我嘗試擺弄 loc 和 scale_tril 參數的尺寸。 似乎沒有任何效果。 有任何想法嗎?
最好的,埃亞爾。
你沒有在你的葉子節點上調用 .grad (在.view
而不是張量本身),你也有requires_grad=False
的意思,讓事情更明確
import torch
from torch.distributions import MultivariateNormal
mean = torch.tensor([0.0, 0.0], requires_grad=True)
cov = torch.tensor([[1.0 , 0.0], [0.0, 1.0]], requires_grad=True)
mvn = MultivariateNormal(loc=mean.view(1,2),
scale_tril=cov.view(-1, 2, 2))
loss = -mvn.log_prob(torch.ones((1, 2))).mean()
loss.backward()
print(mean.grad)
print(cov.grad)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.