0

我正在尝试实现一个自定义 tfd.Distribution ，它代表一个复杂的状态转换模型（STM）。我需要从抽象方法 tfd.Distribution._sample_n 的实现中返回具有不同维度的 2 个数组的元组。但是，当包装器方法 (tfd.Distribution.sample) 尝试打包这些数组时，我遇到了麻烦。

STM 表征存在于多个互斥状态的群体。随着时间的推移，人口中的个体根据随机过程在状态之间转换。为了表示 STM（即样本）的实现，您最终会得到一个长度为 T 的向量，其中包含转换发生的时间，以及一个形状为 [T, M, N] 的多维数组，其中 T 是时间步数, M 是州的数量，N 是人口中的个体数量。

到目前为止，我有：

class Foo(tfd.Distribution):
    def __init__(self):
        super().__init__(dtype=tf.float32,
                         #...other config here
                        )

    def _sample_n(self, n, seed=None):
        # Sampling algorithm here
        # t.shape = [T]
        # y.shape = [T, M, N]
        return t, y

foo = Foo()
foo.sample()

期望的结果：调用foo.sample()应该返回一个 (tf.tensor, tf.tensor) 的元组，其形状分别为 [T] 和 [T, M, N]。

实际的：

ValueError: Shapes must be equal rank, but are 1 and 3
    From merging shape 0 with other shapes. for 'MyEpidemic/sample/Shape/packed' (op: 'Pack') with input shapes: [11], [11,3,1000].
4

1 回答 1

1

看看这里JointDistribution*的课程；他们可以处理这个。

请注意，它们仅在pip install tfp-nightly.

tfp.distributions.JointDistribution
tfp.distributions.JointDistributionCoroutine
tfp.distributions.JointDistributionCoroutine.Root
tfp.distributions.JointDistributionNamed
tfp.distributions.JointDistributionSequential
于 2019-05-23T15:01:20.927 回答