Tensorflow 张量流概率中条件分布的形成
我正在使用Tensorflow概率来构建一个VAE,其中包括图像像素以及一些其他变量。VAE的输出:Tensorflow 张量流概率中条件分布的形成,tensorflow,machine-learning,autoencoder,tensorflow-probability,Tensorflow,Machine Learning,Autoencoder,Tensorflow Probability,我正在使用Tensorflow概率来构建一个VAE,其中包括图像像素以及一些其他变量。VAE的输出: tfp.distributions.Independent(tfp.distributions.Bernoulli(logits), 2, name="decoder-dist") 我试图理解如何在此基础上形成其他条件分布,我可以使用推理方法(MCMC或VI)。假设上面的输出是P(A,B,C | Z),我如何利用这个分布来形成后验P(A | B,C,Z),我可以对其进行推断?我一直在努力阅读文
tfp.distributions.Independent(tfp.distributions.Bernoulli(logits), 2, name="decoder-dist")
我试图理解如何在此基础上形成其他条件分布,我可以使用推理方法(MCMC或VI)。假设上面的输出是P(A,B,C | Z),我如何利用这个分布来形成后验P(A | B,C,Z),我可以对其进行推断?我一直在努力阅读文档,但我在理解它们时遇到了一些困难。您问题的答案在很大程度上取决于您希望在其中进行调节的关节模型的性质。关于这个话题已经写了很多,简言之,这是一个很难解决的问题:)。如果不了解问题的细节,几乎不可能推荐一个有用的通用推理过程。然而,在TFP回购协议中,我们确实有很多例子(脚本和jupyter/colab笔记本): 特别是
- 这个例子是一种罗塞塔石头,展示了如何在TFP、R和Stan中使用哈密顿蒙特卡罗(一种MCMC技术)进行后验推断
- 该示例显示了如何使用VI解决标准LME问题
希望这至少是一个正确方向的开始 您的问题的答案在很大程度上取决于您希望在其中进行调节的关节模型的性质。关于这个话题已经写了很多,简言之,这是一个很难解决的问题:)。如果不了解问题的细节,几乎不可能推荐一个有用的通用推理过程。然而,在TFP回购协议中,我们确实有很多例子(脚本和jupyter/colab笔记本): 特别是
- 这个例子是一种罗塞塔石头,展示了如何在TFP、R和Stan中使用哈密顿蒙特卡罗(一种MCMC技术)进行后验推断
- 该示例显示了如何使用VI解决标准LME问题
希望这至少是一个正确方向的开始 有人知道我能不能在设定后增加悬赏?我真的很感激你能帮我解答这个问题。有人知道我能不能在这个问题解决后增加悬赏?我真的很感激你能帮我回答这个问题。谢谢克里斯,我真的很感激你的回答。在考虑了很多之后,我认为我没有形成正确的问题,甚至没有提出正确的问题。我将在谷歌集团上发表一篇新的、更详细的帖子,希望能从社区得到一些指导。再次感谢!我在这里发布了重新制定的问题再次感谢您的帮助谢谢Chris,我非常感谢您的回复。在考虑了很多之后,我认为我没有形成正确的问题,甚至没有提出正确的问题。我将在谷歌集团上发表一篇新的、更详细的帖子,希望能从社区得到一些指导。再次感谢!我在这里发布了重新制定的问题,再次感谢您的帮助