TensorFlow概率中分批混合料分布的概率

TFP发行版应具有开箱即用的批处理能力。然而，我面临着分批混合料分配的问题。 下面是一个玩具示例（使用渴望执行）：

基本上，这只是默认示例的一部分：

采样工作正常，但此分布的可预测性返回错误：

InvalidArgumentError:cannot compute Add as input#1（基于零）应为双张量，但为浮点张量[Op:Add]name:mixed/prob/Add/

猜猜看，我做错了什么

---

注：与批量高斯分布相同的示例效果良好。

问题在于numpy默认为float64，但TFP遵循默认为float32的TF约定。因此，您的正态分布（其参数是裸python列表）在normal的构造函数中被重铸为tf.Tensors作为float32张量，最终导致类型错误。您可以通过强制np数组为float 32进行修复，或者更简单地通过将混合值作为列表而不是ndarray进行传递来进行修复。

谢谢您，克里斯！事实上，问题只在于数据类型。在我使用mix中的列表后，问题就解决了。是否可以将TFP默认值更改为float64？@jajamaharaja遗憾的是，目前没有自动机制来执行此操作。

tfd = tfp.distributions
mix = np.array([[0.6, 0.4],[0.3, 0.7]] )
bimix_gauss = tfd.Mixture(
  cat=tfd.Categorical(probs=mix),
  components=[
    tfd.Normal(loc=[-1.0, -2.0], scale=[0.1, 0.1]),
    tfd.Normal(loc=[+1.0, +2.0], scale=[0.5, 0.5]),
])

print(bimix_gauss.sample())
print(bimix_gauss.prob(0.0))