Tensorflow，tf.多项式，获取相关概率失败

我试图使用

tf.multinomial

进行采样，我想得到采样值的相关概率值。这是我的示例代码

In [1]: import tensorflow as tf

In [2]: tf.enable_eager_execution()

In [3]: probs = tf.constant([[0.5, 0.2, 0.1, 0.2], [0.6, 0.1, 0.1, 0.1]], dtype=tf.float32)

In [4]: idx = tf.multinomial(probs, 1)

In [5]: idx  # print the indices
Out[5]:
<tf.Tensor: id=43, shape=(2, 1), dtype=int64, numpy=
array([[3],
       [2]], dtype=int64)>

In [6]: probs[tf.range(probs.get_shape()[0], tf.squeeze(idx)]
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-8-56ef51f84ca2> in <module>
----> 1 probs[tf.range(probs.get_shape()[0]), tf.squeeze(idx)]

C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\ops\array_ops.py in _slice_helper(tensor, slice_spec, var)
    616       new_axis_mask |= (1 << index)
    617     else:
--> 618       _check_index(s)
    619       begin.append(s)
    620       end.append(s + 1)

C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\ops\array_ops.py in _check_index(idx)
    514     # TODO(slebedev): IndexError seems more appropriate here, but it
    515     # will break `_slice_helper` contract.
--> 516     raise TypeError(_SLICE_TYPE_ERROR + ", got {!r}".format(idx))
    517
    518

TypeError: Only integers, slices (`:`), ellipsis (`...`), tf.newaxis (`None`) and scalar tf.int32/tf.int64 tensors are valid indices, got <tf.Tensor: id=7, shape=(2,), dtype=int32, numpy=array([3, 2])>

[1]中的

：将tensorflow作为tf导入
在[2]中：tf.enable\u eager\u execution（）
在[3]中：probs=tf.常数（[0.5,0.2,0.1,0.2]，[0.6,0.1,0.1,0.1]]，dtype=tf.float32）
[4]中：idx=tf.多项式（probs，1）
在[5]：idx#中打印索引
出[5]：
[6]中：probs[tf.range（probs.get_shape（）[0]，tf.squence（idx）]
---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在里面
---->1个问题[tf.范围（probs.get_shape（）[0]），tf.挤压（idx）]
C:\ProgramData\Anaconda3\lib\site packages\tensorflow\python\ops\array\u ops.py in\u slice\u helper（tensor，slice\u spec，var）
616新的_轴_掩码|=（1 618个检查索引）
619开始。追加
620结束。追加（s+1）
C:\ProgramData\Anaconda3\lib\site packages\tensorflow\python\ops\array\u ops.py in\u check\u index（idx）
514#TODO（slebedev）：索引器在这里似乎更合适，但它
515#将打破"分割"助手"合同。
-->516 raise TypeError（_SLICE_TYPE_ERROR+”，got{！r}）.format（idx））
517
518
TypeError:只有整数、切片（`:`）、省略号（`…`）、tf.newaxis（`None`）和标量tf.int32/tf.int64张量是有效的索引，明白了吗

我想要的预期结果是

[0.2,0.1]

，如

idx

所示

但在Numpy中，此方法的工作原理与

---

如何修复它？

您可以尝试

tf.collection\n然后

，您可以尝试

>>将tensorflow作为tf导入
>>>tf.enable_eager_execution（）
>>>probs=tf.常数（[[0.5,0.2,0.1,0.2]，[0.6,0.1,0.1,0.1]]，dtype=tf.float32）
>>>idx=tf.多项式（probs，1）
>>>行索引=tf.range（probs.get\u shape（）[0]，dtype=tf.int64）
>>>完整索引=tf.堆栈（[行索引，tf.压缩（idx）]，轴=1）
>>>rs=tf.聚集索引（概率、完整索引）

或者，您可以使用，优点是您不需要关心上述代码中的

batch\u size

。当您设置

batch\u size=None

时，它可以在不同的

batch\u size

下工作

multinomail = tf.distributions.Multinomial(
                         total_count=tf.constant(1, dtype=tf.float32),  # sample one for each record in the batch, that is [1, batch_size]
                         probs=probs)
sampled_actions = multinomail.sample()  # sample one action for data in the batch
predicted_actions = tf.argmax(sampled_actions, axis=-1) 
action_probs = sampled_actions * predicted_probs 
action_probs = tf.reduce_sum(action_probs, axis=-1)

我更喜欢后者，因为它灵活而优雅