Tensorflow 控制tfp.layers.MixtureNormal的广播行为
我试图用张量流概率创建一个多元混合密度网络。通过上述框架,我可以访问一个层,该层为单变量情况提供我想要的输出:Tensorflow 控制tfp.layers.MixtureNormal的广播行为,tensorflow,tensorflow-probability,Tensorflow,Tensorflow Probability,我试图用张量流概率创建一个多元混合密度网络。通过上述框架,我可以访问一个层,该层为单变量情况提供我想要的输出:tfp.layers.MixtureNormal,但我很难使其适应多变量情况,在这种情况下,我基本上需要一个独立混合模型的n*m网格(每个变量一个混合模型,我正在执行回归) tfp.layers.MixtureNormal允许指定输出分布的事件形状,如下所示:tfp.layers.MixtureNormal(num\u components=c,event\u shape=(m,n)),
tfp.layers.MixtureNormal
,但我很难使其适应多变量情况,在这种情况下,我基本上需要一个独立混合模型的n*m
网格(每个变量一个混合模型,我正在执行回归)
tfp.layers.MixtureNormal
允许指定输出分布的事件形状,如下所示:tfp.layers.MixtureNormal(num\u components=c,event\u shape=(m,n))
,但这会导致c
分布的混合,每个分布都具有事件形状(m,n)
我怎样才能更好地实现事件形状m*n
的独立混合(,)
,或者说m
与事件形状(n)
我知道我可以对每个变量使用单独的层,但这感觉不太令人满意,因为我必须通过黑客再次将它们连接在一起