问题标签 [tensorflow-probability]

我正在使用 Tensorflow Probability 网页上提供的小示例代码在我们的网格环境（在 redhat6.10 上运行）测试 tensorflow 概率。我能够导入 tensorflow_probability，但在执行下一个命令时遇到以下错误： features = tfp.distributions.Normal(loc=0., scale=1.).sample(int(100e3))

有人有想法吗？这次我在窗口 PC 上运行相同的代码时，它运行良好。

我正在实现一个程序来从分类分布中采样整数，其中每个整数都与一个概率相关联。我需要确保这个程序是可微的，以便可以应用反向传播。我发现tf.contrib.distributions.RelaxedOneHotCategorical这非常接近我想要实现的目标。

然而，sample这个类的方法返回一个单热向量，而不是一个整数。如何编写一个既可微又返回整数/标量而不是向量的程序？

我正在使用 Tensorflow 概率模型。当然是概率结果，误差的导数不会为零（否则模型将是确定性的）。预测是不稳定的，因为我们在损失的导数中有一个范围，比如说在凸优化中，例如从 1.2 到 0.2。

每次训练模型时，此间隔都会生成不同的预测。有时我得到一个很好的拟合（红色=真实，蓝线=预测+2标准偏差和-2标准偏差）：

有时不是，具有相同的超参数：

有时镜像：

出于商业目的，这是非常有问题的，因为预计预测会提供稳定的输出。

这是代码：

失利：

有没有办法控制概率模型的预测输出？损失停止在 1.42，甚至降低了学习率并增加了训练 epoch。我在这里想念什么？

回答后的工作代码：

我正在尝试使用 Tensorflow Probability 编写代码，以使用 EM 算法对一组样本（来自多个高斯分布）进行分类。

因为我想为任何一般问题编写此代码（如果样本来自 2 个高斯分布或 8 个高斯分布，我希望它能够工作）。

我现在遇到的问题是我找不到创建数组的方法tfd.Normal。

我想将它作为一个数组（或其他类似类型的数据），因为这样我可以处理不确定数量的分布。

谁能帮我解决这个问题？

下面的代码会是一个解决方案吗？

我想在张量流中混合两个多元分布。例如：

但是，它得到了如下错误：

ValueError：尺寸 2 和 3 不兼容

ValueError：形状 (2, 3) 和 (3, 4) 不兼容

我可以在张量流中混合两个多元分布吗？

我觉得我真的不知道我在做什么，所以我会描述我认为我在做什么，我想做什么以及失败的地方。

给定一个正常的变分自编码器：

我想我在做什么：让神经网络找到一个“均值”和“标准差”值，并用它来创建正态分布（高斯）。从该分布中采样并将其用于解码器。换句话说：学习编码的高斯分布

现在我想对混合高斯做同样的事情。

这对我来说似乎相对简单，只是它失败并出现以下错误：

形状 () 和 (?,) 不兼容

这似乎来自probs没有批量维度（我不认为它需要那个）。

我认为这probs定义了组件之间的概率。

如果我定义一个probs也有批次维度的，我会得到以下神秘错误，我不知道它应该是什么意思：

维度 -1796453376 必须 >= 0

我通常会误解一些概念吗？

或者我需要做些什么不同的事情？

我对 tensorflow_probability 中双射器的特性很感兴趣，所以我尝试从 tfp.bijectors 构造的随机变量函数中进行采样。

我只是提供了我的测试代码，在这里我提供了一些细节：我曾经测试过的案例是 Chi_square 分布。我通过两种不同的方式将样本从 Chi(2) 分布中取出：（1）直接使用 tensorflow 中的 Chi(2) api；(2)通过 Chi(2) 和标准正态分布( N(0, 1) ) 之间的关系使用 tfp.bijectors：如果 X, Y iid~N(0,1), Z = g(X, Y) = X^2 + Y^2，然后 Z ~ Chi(2)。我的结果显示，两个组样本的均值大致相等，但两个标准差差异更大，任何人都可以告诉我我错在哪里以及如何正确使用 tf_probability？

这是我的结果，Origin line是直接通过tf中的Chi(2) api计算的，左图显示了origin结果；构造线和右图由 tf_probability.bijectors 获得。

爱德华示例

由于Edward已弃用且需要较旧版本的 TensorFlow，因此可以为以下示例创建专用的虚拟环境

我有一个非常简单的最小工作示例，将哈密顿蒙特卡罗与爱德华一起使用，称为edward_old.py

这产生了下面的情节

Edward2 示例

但是，当我尝试在以下环境中使用TensorFlow Probability和Edward2复制它时

和以下从edward_old.py'sgenerate_samples在一个名为edward2.py

与运行

说明存在一些明显的问题。我不认为我正在制定ed.models.Empirical正确的等价物，所以如果对此有想法或其他任何我做错的事情，那就太好了。

我已经尝试遵循“从 Edward 升级到 Edward2 ”示例，但我无法充分理解它们，无法从deep_exponential_family模型中使用的示例转移到此示例。

我需要tensorflow-probability为 R 语言安装 kaggle 内核。

我尝试使用以下代码，

这似乎只安装 tensorflow，当我尝试加载greta依赖于 tensorflow-probability 的 package 时，我收到以下错误，

还尝试通过自定义软件包选项安装它，该选项显示它已安装，但 greta 提到它未安装。

我在 Edward 中编写了概率矩阵分解模型。我正在尝试将其移植到 TFP，但我不确定如何定义对数似然和 KL 散度项。这是爱德华的代码 -