Python 在计算后验概率时，使用参数（比如w_μ）和使用参数。数据（w_μ。数据）会有不同吗？

我试图通过Backprop实现Bayes。在计算后验概率时，如果我使用参数作为输入，而使用参数数据作为输入，则结果精度会发生剧烈变化

    self.w_post = Normal(self.w_mu.data, torch.log(1+torch.exp(self.w_rho)))
    self.b_post = Normal(self.b_mu.data, torch.log(1+torch.exp(self.b_rho)))
    self.log_post = self.w_post.log_prob(self.w).sum() + self.b_post.log_prob(self.b).sum()

这是可行的，而下一个街区不行

    self.w_post = Normal(self.w_mu, torch.log(1+torch.exp(self.w_rho)))
    self.b_post = Normal(self.b_mu, torch.log(1+torch.exp(self.b_rho)))
    self.log_post = self.w_post.log_prob(self.w).sum() + self.b_post.log_prob(self.b).sum()

既然w_post和b_post不是参数，那么为什么这会影响我的答案呢。这段代码位于自定义线性层的正向函数中

---

而log_posterior的值在各个时代都没有变化。这和种子有关吗

我认为这两种解决方案都可以应用，而且它只会以某种方式改变种子。经过几次迭代，两个模型都收敛了