0

我有 3 个状态（即状态是一个向量，在这个例子中向量长度是 2），我有概率分布（例如 10% 状态 1、60% 状态 2、30% 状态 3）。我想推导出一个新状态，它是概率 * 状态的总和。当然，我也需要考虑批处理。

1> 计算概率分布，我有一批 4 和 3 种可能性，分布定义如下。

dist = tf.constant([[0.1, 0.6, 0.3], [0.2, 0.4, 0.4], [0.3, 0.5, 0.2], [0.3, 0.6, 0.1]])

2> 3 种可能的状态（和 4 批）。这是一个形状为 [4, 3, 2] 或 [batch, 3 possible state, state values] 的张量

val = tf.constant([[[10.0, 5.0],[10, 5],[10,5]],[[8, 2],[8, 2],[8, 2]],[[7, 3],[9, 1],[6, 4]],[[1, 2],[3, 4],[5, 6]]])

我想获得 [4, 2] 或 [batch, state values] 的张量。在这种情况下，值应该是

[
  [10*0.1 + 10*0.6 + 10*0.3, 5*0.1 + 5*0.6 + 5*0.3],
  [8*0.2 + 8*0.4 + 8*0.4, 2*0.2 + 2*0.4 + 2*0.4],
  [7*0.3 + 9*0.5 + 6*0.2, 3*0.3 + 1*0.5 + 4*0.2],
  [1*0.3 + 3*0.6 + 5*0.1, 2*0.3 + 4*0.6 + 6*0.1]
]

或者

[
  [10, 5],
  [8, 2],
  [7.8, 2.2],
  [2.6, 3.6]
]

我怎么能那样做？谢谢！

4

1 回答 1

0

这是我发现的。结果是简单的元素乘法（*或tf.multiply）

dist = tf.constant([[0.1, 0.6, 0.3], [0.2, 0.4, 0.4], [0.3, 0.5, 0.2], [0.3, 0.6, 0.1]])
val = tf.constant([[[10.0, 5.0],[10, 5],[10,5]],[[8, 2],[8, 2],[8, 2]],[[7, 3],[9, 1],[6, 4]],[[1, 2],[3, 4],[5, 6]]])
dist.get_shape()
   TensorShape([Dimension(4), Dimension(3)])
val.get_shape()
   TensorShape([Dimension(4), Dimension(3), Dimension(2)])
val2 = tf.transpose(val, perm=[0, 2, 1])
val2.get_shape()
   TensorShape([Dimension(4), Dimension(2), Dimension(3)])
dist2 = tf.expand_dims(dist, 1)
dist2.get_shape()
   TensorShape([Dimension(4), Dimension(1), Dimension(3)])
c1 = val2 * dist2
c1.get_shape()
   TensorShape([Dimension(4), Dimension(2), Dimension(3)])
c2 = tf.reduce_sum(c1, 2)

print(c2.eval())
[[ 10.           5.        ]
 [  8.           2.        ]
 [  7.80000019   2.20000005]
 [  2.60000014   3.5999999 ]]
于 2017-05-31T03:15:28.503 回答