用于表示分类数据列表的张量流分布

Question

我想构建一个变分自动编码器，其中一个样本是N * M矩阵，其中每行有M个类别。基本上一个样本是分类数据列表，其中只能选择一个类别 - 一个热矢量列表。

目前，我有一个工作自动编码器用于这种类型的数据 - 我在最后一个维度上使用softmax来创建这个约束并且它可以工作（重建交叉熵很低）。

现在，我想使用tf.distributions来创建变量自动编码器。我想知道什么样的分配是合适的。

Answer 1

tf.contrib.distributions.Categorical能否满足您的需求？样本应该是（0到n - 1），其中n代表类别。

示例：

#logits具有形状[N，M]，其中M是类的数量

dist = tf.contrib.distributions.Categorical（logits = logits）

#Sample 20次。应该给出形状[20，N]。

samples = dist.sample（20）

#defide是类别的数量。

one_hots = tf.one_hot（样本，深度= M）