0

我是 Tensorflow Probability 的新手，想做一个 RandomWalk Montecarlo 模拟。假设我有代表状态的张量 r。我希望 tfp.mcmc.RandomWalkMetropolis 函数返回新状态 r' 的提议。

tfp.mcmc.RandomWalkMetropolis(r)
>>> <tensorflow_probability.python.mcmc.random_walk_metropolis.RandomWalkMetropolis object at 0x14abed2185c0>

仅返回此 RandomWalkMetropolis 对象，而不是相同的状态或轻微扰动的状态。RandomWalkMetropolis 类还包含函数 one_step，但它需要“previous_kernel_results”，而我没有，因为我希望这是我的第一步。另外，如何进一步指定 Metropolis 接受/拒绝步骤？

4

1 回答 1

2

RWM 是一个 python 对象，通过bootstrap_resultsandone_step方法使用。例如：

# TF/TFP Imports
!pip install --quiet tfp-nightly tf-nightly
import tensorflow.compat.v2 as tf
tf.enable_v2_behavior()
import tensorflow_probability as tfp
tfd = tfp.distributions
tfb = tfp.bijectors
import matplotlib.pyplot as plt


def log_prob(x):
  return tfd.Normal(0, 1).log_prob(x)

kernel = tfp.mcmc.RandomWalkMetropolis(log_prob)
state = tfd.Normal(0, 1).sample()
extra = kernel.bootstrap_results(state)
samples = []
for _ in range(1000):
  state, extra = kernel.one_step(state, extra)
  samples.append(state)

plt.hist(samples, bins=20)
于 2019-08-01T15:57:33.470 回答