TensorFlow绘制样本

tf.contrib.bayesflow.stochastic_tensor.SampleValue

tf.contrib.bayesflow.stochastic_tensor.SampleValue 类

定义在 tensorflow/contrib/bayesflow/python/ops/stochastic_tensor_impl.py.

参见指南：BayesFlow随机张量(contrib)>随机张量值类型

绘制样本,可能会添加新的外部维度.
此值在其上下文中运行的 StochasticTensors 中抽取样本, 并根据所请求的形状增加秩.

例子：

mu = tf.zeros((2 ,3 ))
 sigma = tf.ones((2 , 3 ))
with sg.value_type(sg.SampleValue())：
   st = sg.StochasticTensor( 
    tf.contrib.distributions.Normal,mu = mu,sigma = sigma)
＃1个抽取样品,并且不重塑 
assertEqual( st.value().get_shape(),(2 ,3))

mu = tf .zeros((2 ,3 ))
sigma = tf.ones((2 , 3 ))
with sg.value_type(sg.SampleValue(4 ))：
   st = sg.StochasticTensor ( 
    tf.contrib.distributions.Normal,mu = mu,sigma = sigma)
＃4个绘制样品各自与形状(2,3)并连接 
assertEqual(st.value().get_shape(),(4 ,2 ,3))

属性

• shape
  
• stop_gradient
  

方法

__init__

__init__ (
     shape = (),
     stop_gradient = False
 )

根据形状取样.
对于给定的 StochasticTensor st 使用此值类型,st. value () 的形状将与 st.distribution.sample (形状)匹配.

ARGS：

• shape：形状元组或 int32 张量.样品形状,默认是一个标量：取一个样本,不要改变大小.
• stop_gradient：如果是真的,StochasticTensors 的价值被包装在 stop_gradient, 以避免反向传播.

declare_inputs

declare_inputs (
     unused_stochastic_tensor ,
    unused_inputs_dict
)

popped_above

popped_above ( unused_value_type )

pushed_above

push_above ( unused_value_type )