我正在尝试使用张量流概率创建一个多元混合密度网络。通过上述框架,我可以访问为单变量案例提供所需输出的层:tfp.layers.MixtureNormal
,但是我很难适应多变量案例,而我基本上想要的是n * m
独立混合模型的网格(每个变量我要对其执行回归的一个混合模型)。
tfp.layers.MixtureNormal
允许这样指定输出分布的事件形状,例如:tfp.layers.MixtureNormal(num_components=c, event_shape=(m, n))
,但这会导致c
个分布的混合,每个分布的事件形状为{{1} }。
我该如何宁愿实现event_shape (m, n)
的{{1}}独立混合物,或者说event_shape m * n
的{{1}}独立混合物?
我知道我可以为每个变量使用单独的图层,但是由于不得不再次将它们重新组合在一起而遭受的黑客攻击,这让人感到不满意。