如何从 PyTorch 中具有约束的分布中采样？答案

【问题标题】：How to sample from a distribution with constraints in PyTorch?如何从 PyTorch 中具有约束的分布中采样？
【发布时间】：2021-11-13 21:14:42
【问题描述】：

我遇到了一个简单的情况，例如：

从满足 m1~U(5, 80), m2~U(5, 80) 且约束 m1+m2 log_prob .

from torch import distributions
prior = distributions.Uniform(torch.tensor([5.0, 5.0]),
                              torch.tensor([80.0, 80.0]))

我尝试像上面那样在 PyTorch 中编码，但我不知道如何构造一个带有约束条件的torch.distribution。顺便说一下，我看到了一些关于torch.distributions.constraints 的实现，但我不知道如何使用它。

【问题讨论】：

【解决方案1】：

这可以使用rejection sampling来实现：

d = torch.distributions.Uniform(5, 80)

m1 = 80
m2 = 80

while m1 + m2 >= 100:
    m1 = d.sample()
    m2 = d.sample()
    print(m1, m2)

示例输出：

tensor(52.3322) tensor(67.8245)
tensor(68.3232) tensor(40.0983)
tensor(44.7374) tensor(9.9690)

【讨论】：