Tensorflow 计算张量流中变换的多元正态的PDF？

我试图评估Tensorflow中转换的多元分布的对数pdf。虽然它将正确采样，但它会为一个样本生成两个单独的对数概率。一个例子是

[[  1.05516054e-03,   1.50635891e+01]]

这将返回一个

[[ 2.64074564, -4.21384382]] 

而不是单对数概率

为了更清楚地说明这一点，我附上了一个我希望可以复制的例子

from tensorflow.contrib.distributions.python.ops import bijectors as bijector

ds = tf.contrib.distributions

mean = tf.constant([-5.,  15.])
chol = tf.constant([[0.77909118,  0.],
                [-0.02230092,  0.8150183]])

mvn_sftpls = ds.TransformedDistribution(distribution=ds.MultivariateNormalTriL(
loc=mean, scale_tril=chol), bijector=bijector.Softplus())

sample = mvn_sftpls.sample(1)
output = mvn_sftpls.log_prob(sample)

with tf.Session() as sess:
    print(sess.run(output))

答案（对于任何好奇的人来说）是将softplus双射体中的事件ndims设置为多变量范数中适当的维数。就我而言：

bijector=bijector.Softplus(event_ndims = 1) 

答案（对于任何好奇的人来说）是将softplus双射体中的事件ndims设置为多变量范数中适当的维数。就我而言：

bijector=bijector.Softplus(event_ndims = 1) 

对于后验性（以及未来），在Tensorflow的夜间版本（我猜是下一个版本）中，这应该是自动推断的，因此您不需要在Tensorflow的夜间版本（我猜是下一个版本）中指定event_ndims=1。

对于后验性（以及未来），这应该是自动推断的，因此不需要指定event\u ndims=1