【深度学习新浪潮】Score Matching（分数匹配）：原理、推导与PyTorch实战

前言

在概率模型训练中，配分函数（归一化常数）是绕不开的难题——尤其是能量模型（EBM）、扩散模型等未归一化模型，直接计算配分函数几乎不可能。Score Matching（分数匹配）作为一种无归一化的参数估计方法，通过拟合概率密度的对数梯度（分数函数），彻底避开了配分函数的计算，成为生成建模、密度估计的核心技术之一。

本文将从基础概念出发，逐步推导Score Matching的核心公式，并结合PyTorch实现一个可直接运行的实战案例，帮你彻底理解这一关键技术。

一、Score Matching核心概念

1.1 分数函数（Score Function）

对概率密度函数p(x)p(x)p