如何參數化 Tensorflow 分布？

Question

如何參數化 Tensorflow 分布？ 即我想要一個分類分布並想向它添加高斯噪聲。 tfp.distributions.Normal 將 loc 作為輸入，如何將此 loc 設置為分類分布？

Answer 1

Categorical 在整數的有限集合中具有值，這不會真正進行類型檢查。 如果您有一組平均位置並希望從您可以做的分類中選擇它們，例如

num_categories = 5
means = np.linspace(-10, 10, num_categories)
jd = tfd.JointDistributionSequential([
  tfd.Categorical(logits=tf.zeros([num_categories])),
  lambda c: tfd.Normal(loc=tf.gather(means, c), scale=1.)
])

（有關這種模型規范的更多信息，請參閱使用 JointDistributions 建模）

但這相當於高斯的混合：

msf = tfd.MixtureSameFamily(
    tfd.Categorical(logits=tf.zeros(num_categories])),
    tfd.Normal(loc=means, scale=1.))

您還可以使用FiniteDiscrete * 作為一種實值分類。

一些進一步的入門建議閱讀：

• https://www.tensorflow.org/probability/examples/TensorFlow_Distributions_Tutorial
• https://www.tensorflow.org/probability/examples/Understanding_TensorFlow_Distributions_Shapes

* - 由於某種原因，我們的 API 文檔中沒有導出 FiniteDiscrete。 我會考慮修復。