Question

我们需要从一个张量采样到另一个包含概率的张量的值。假设我们有两个形状为（？，3）的张量t1，t2，并且想要找到另一个形状为（？，1）的张量t3，其中包含与t2中的概率有关的t1中每一行的样本。

Answer 1

您可以分两个步骤进行操作。首先，对索引0，1和2进行采样，然后将这些索引替换为张量值。这可以通过tf.random.categorical完成（有关此功能的更多信息，请参见this question）。注意tf.random.categorical是在1.13.1版中添加的。

import tensorflow as tf

with tf.Graph().as_default(), tf.Session() as sess:
    tf.random.set_random_seed(0)
    values = tf.placeholder(tf.float32, [None, 3])
    probabilities = tf.placeholder(tf.float32, [None, 3])
    # You can change the number of samples per row (or make it a placeholder)
    num_samples = 1
    # Use log to get log-probabilities or give logit values (pre-softmax) directly
    logits = tf.log(probabilities)
    # Sample column indices
    col_idx = tf.random.categorical(logits, num_samples, dtype=tf.int32)
    # Make row indices
    num_rows = tf.shape(values)[0]
    row_idx = tf.tile(tf.expand_dims(tf.range(num_rows), 1), (1, num_samples))
    # Gather actual values
    result = tf.gather_nd(values, tf.stack([row_idx, col_idx], axis=-1))
    # Test
    print(sess.run(result, feed_dict={
        values: [[10., 20., 30.], [40., 50., 60.]],
        # Can be actual or "proportional" probabilities not summing 1
        probabilities: [[.1, .3, .6], [0., 4., 2.]]
    }))
    # [[30.]
    #  [60.]]

如何针对张量流中每个值的给定概率采样张量值？

1 个答案: