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 )
以上内容是否对您有帮助:
在线笔记
App下载
App下载

扫描二维码

下载编程狮App

公众号
微信公众号

编程狮公众号

意见反馈
返回顶部