Question

我正在尝试实现代表复杂状态转换模型（STM）的自定义tfd.Distribution。我需要从抽象方法tfd.Distribution._sample_n的实现中返回2个具有不同维度的数组的元组。但是，当包装方法（tfd.Distribution.sample）尝试打包这些数组时，我遇到了麻烦。

STM表征存在于许多互斥状态中的种群。随着时间的流逝，人口中的个体会根据随机过程在各州之间转移。为了表示STM的实现（即样本），最终得到一个长度为T的向量，其中包含发生过渡的时间，以及一个形状为[T，M，N]的多维数组，其中T为时间步长，M为州数，N为人口总数。

到目前为止，我有：

class Foo(tfd.Distribution):
    def __init__(self):
        super().__init__(dtype=tf.float32,
                         #...other config here
                        )

    def _sample_n(self, n, seed=None):
        # Sampling algorithm here
        # t.shape = [T]
        # y.shape = [T, M, N]
        return t, y

foo = Foo()
foo.sample()

期望的结果：调用foo.sample()应该返回一个（tf.tensor，tf.tensor）元组，其形状分别为[T]和[T，M，N]。

实际：

ValueError: Shapes must be equal rank, but are 1 and 3
    From merging shape 0 with other shapes. for 'MyEpidemic/sample/Shape/packed' (op: 'Pack') with input shapes: [11], [11,3,1000].

Answer 1

看看JointDistribution*类here；他们可以解决这个问题。

请注意，它们仅在pip install tfp-nightly中。

tfp.distributions.JointDistribution
tfp.distributions.JointDistributionCoroutine
tfp.distributions.JointDistributionCoroutine.Root
tfp.distributions.JointDistributionNamed
tfp.distributions.JointDistributionSequential

来自tfd.Distribution.sample的复杂event_shape

1 个答案: