在Pytorch中,您可以执行以下操作:
x = torch.bernoulli(my_data)
张量流中是否有任何类似的功能?输入可以是二维张量,例如(batch,len)吗?
import numpy as np
tmp_x1 = np.random.rand(20,5)
new_data_2 = tf.convert_to_tensor(tmp_x1)
from tensorflow.contrib.distributions import Bernoulli
tmp2_x1 = Bernoulli(probs=new_data_2)
return math_ops.log(probs) - math_ops.log1p(-1. * probs), probs
TypeError: unsupported operand type(s) for *: 'float' and 'Tensor'
答案 0 :(得分:0)
tf.distributions.Bernoulli
似乎可以满足您的需求。输入可以是N-D张量,其中包括2D张量。
编辑:示例用法
在您发表评论后,我尝试了以下对我有用的方法(使用tensorflow 1.11):
import numpy as np
import tensorflow
import tensorflow as tf
from tensorflow.distributions import Bernoulli
tmp_x1 = np.random.rand(20,5)
new_data_2 = tf.convert_to_tensor(tmp_x1)
tmp2_x1 = Bernoulli(probs=new_data_2)
sess = tf.Session()
print sess.run(tmp2_x1.sample())