from torch.distributions import Normal

`from torch.distributions import Normal` 这一行代码导入了PyTorch中的`Normal`类，它属于`torch.distributions`包，这是TensorFlow Probability (TFP)风格的概率分布模块。`Normal`是一个正态分布（也称为高斯分布），是机器学习中最常用的连续概率分布之一。在深度学习中，常用于生成模型（如变分自编码器）、模型的先验分布，以及计算损失函数中的似然度。

使用`Normal`的主要操作包括：

1. 创建分布实例：通过指定均值（mean）和标准差（std）来创建一个`Normal`对象，例如：

normal_dist = Normal(loc=0., scale=1.)

这里的`loc`代表均值，`scale`代表标准差。

2. 样本生成：可以从中抽样出单个样本或整个批次的样本：

sample = normal_dist.sample(sample_shape=torch.Size([100]))  # 生成100个样本

3. 计算概率密度：对于给定的值，可以计算其对应的概率密度：

value = torch.tensor([1.])
pdf_value = normal_dist.pdf(value)  # 返回1.的PDF值

4. 定义概率函数：对于给定的样本集，返回所有样本的概率总和（在无约束条件下为1）：

log_prob = normal_dist.log_prob(value)  # 对应于计算对数概率密度