如何从张量流概率中使用 HiddenMarkovModel？

Question

我正在关注本教程：

https://github.com/tensorflow/probability/blob/master/tensorflow_probability/examples/jupyter_notebooks/Multiple_changepoint_detection_and_Bayesian_model_selection.ipynb

其中包含引用和使用 tfp 中的 HiddenMarkovModel 类的代码。 本教程中执行此操作的代码在这里：

import tensorflow_probability as tfp
from tensorflow_probability import distributions as tfd

hmm = tfd.HiddenMarkovModel(
  initial_distribution=tfd.Categorical(
      logits=batch_initial_state_logits),
  transition_distribution=tfd.Categorical(probs=batch_transition_probs),
  observation_distribution=tfd.Poisson(trainable_rates),
  num_steps=len(observed_counts))

但是，当我到达这一行时，出现以下错误：

AttributeError: module 'tensorflow_probability.python.distributions' has no attribute 'HiddenMarkovModel'

在此处检查 tfp 中的分发文档：

https://www.tensorflow.org/probability/api_docs/python/tfp/distributions

我看到没有名为 HiddenMarkovModel 的类，所以我想知道我做错了什么无法获得教程使用的这个类？ 这是一个官方教程，所以我无法想象它只是“错误”并且不存在 HiddenMarkovModel 类。

Answer 1

当前的稳定版本 0.5 是不久前发布的。 API 文档与该版本匹配。 我们正在准备发布 0.6，其中有 HMM。 与此同时，您可以安装 tfp-nightly，以获得最新的好处。 然后，您应该确保卸载您拥有的pip uninstall tensorflow-probability （ pip uninstall tensorflow-probability ）并类似地安装 tf-nightly 代替 TensorFlow stable。 哼！ 感谢您使用 tfp！

Answer 2

正如@wpercy 在他的评论中提到的，参考 Github 存储库总是一个好主意。 在过去的 4 天里，我一直在解决这个问题。 只需参考 Github 存储库，然后自己查看层次结构即可。

例如，对于HiddenMarkovModel，在Git GUI的'Go to file'选项中搜索，发现HiddenMarkovModel实际上是hidden_​​markov_model.py中的一个类。 所以正确的导入语句变成from tensorflow_probability.python.distributions.hidden_markov_model import HiddenMarkovModel 。

同样适用于其他函数，如from tensorflow_probability.python.distributions.categorical import Categorical

查看https://github.com/tensorflow/probability/blob/master/tensorflow_probability/python/distributions/hidden_​​markov_model.py以了解更多问题。