沿Tensorflow中的张量采样轴

我有一个形状为(2,5,2)的矩阵L。沿着最后一个轴的值形成概率分布。我想要抽取形状为(2, 5)的另一个矩阵S，其中每个条目都是以下整数之一：0, 1。例如，沿Tensorflow中的张量采样轴

L = [[[0.1, 0.9],[0.2, 0.8],[0.3, 0.7],[0.5, 0.5],[0.6, 0.4]], 
    [[0.5, 0.5],[0.9, 0.1],[0.7, 0.3],[0.9, 0.1],[0.1, 0.9]]]

一个样品可以是，

S = [[1, 1, 1, 0, 1], 
    [1, 1, 1, 0, 1]]

的分布是在上面的例子二项式。但是，一般来说，L的最后一个维度可以是任何正整数，因此分布可以是多项式。

样本需要在Tensorflow计算图中有效生成。我知道如何使用numpy使用函数apply_along_axis和numpy.random.multinomial来做到这一点。

来源

2016-09-11 Bob

您可以在这里使用tf.multinomial()。

你首先需要重塑您输入张塑造[-1, N]（其中N是L末维）：

# L has shape [2, 5, 2] 
L = tf.constant([[[0.1, 0.9],[0.2, 0.8],[0.3, 0.7],[0.5, 0.5],[0.6, 0.4]], 
       [[0.5, 0.5],[0.9, 0.1],[0.7, 0.3],[0.9, 0.1],[0.1, 0.9]]]) 

dims = L.get_shape().as_list() 
N = dims[-1] # here N = 2 

logits = tf.reshape(L, [-1, N]) # shape [10, 2]

现在我们可以将功能tf.multinomial()到logits：

samples = tf.multinomial(logits, 1) 
# We reshape to match the initial shape minus the last dimension 
res = tf.reshape(samples, dims[:-1])

来源

2016-09-11 10:06:28

使用tf.multinomial()时要格外小心。函数的输入应该是logits而不是概率分布。但是，在您的示例中，最后一个轴是概率分布。

来源

2018-01-08 01:56:11 sunder

沿Tensorflow中的张量采样轴

回答

相关问题