tensorflow中的加权随机张量选择

我有一个张量列表和一个表示其概率质量函数的列表。如何让tensorflow根据概率质量函数随机选取一个张量

我认为有几种可能的方法可以做到这一点：

一个是排名更高的张量的装箱单，选择一个基于tensorflow变量的切片和挤压，我将分配正确的索引。这种方法的性能损失是多少？tensorflow会评估其他不需要的张量吗

另一个是使用tf.case，方式与以前类似，我从许多张量中选择一个张量。同样的问题->性能损失是什么，因为我计划在每次运行一个图时使用相当多的~100s条件语句

有没有更好的办法

我认为你应该使用

假设你有：

一批形状张量[批量大小，数量特征] 形状[批次大小]的概率分布 您希望输出：

来自一批张量的1个示例，形状为[1，num_特征] 批次张量=tf.常数[[0,1,2.]，[3,4,5.]]形状[批次大小，数量特征] 概率=tf.常数[0.7,0.3]形状[批次大小] 我们需要将概率转换为log_概率，并将其重塑为[1，批处理大小] 重新缩放的概率=tf.expand\u dimstf.logprobabilities，0形状[1，批次大小] 我们现在可以从分布中得出一个例子，我们可以得出更多 指标=tf。多项式重标概率，样本数=1 输出=tf.gatherbatch_张量，tf.squezeindice[0] 既然我计划每次运行一个图时都有相当多的~100s条件语句，那么性能损失是多少

如果要进行多个绘制，应通过增加参数num_samples一次完成。然后，您可以使用tf.gather在一次运行中收集这些num_示例。

我认为您应该使用

假设你有：

一批形状张量[批量大小，数量特征] 形状[批次大小]的概率分布 您希望输出：

来自一批张量的1个示例，形状为[1，num_特征] 批次张量=tf.常数[[0,1,2.]，[3,4,5.]]形状[批次大小，数量特征] 概率=tf.常数[0.7,0.3]形状[批次大小] 我们需要将概率转换为log_概率，并将其重塑为[1，批处理大小] 重新缩放的概率=tf.expand\u dimstf.logprobabilities，0形状[1，批次大小] 我们现在可以从分布中得出一个例子，我们可以得出更多 指标=tf。多项式重标概率，样本数=1 输出=tf.gatherbatch_张量，tf.squezeindice[0] 既然我计划每次运行一个图时都有相当多的~100s条件语句，那么性能损失是多少

如果要进行多个绘制，应通过增加参数num_samples一次完成。然后可以使用tf.gather在一次运行中收集这些num_示例