TensorFlow StochasticTensor詳細介紹

tf.contrib.bayesflow.stochastic_tensor.StochasticTensor

tf.contrib.bayesflow.stochastic_tensor.StochasticTensor 類

定義在：tensorflow/contrib/bayesflow/python/ops/stochastic_tensor_impl.py.

參見指南：BayesFlow隨機張量(contrib)>隨機張量類

StochasticTensor 是一個由分布支持的 BaseStochasticTensor.

StochasticTensor 屬性

• distribution
  
• dtype
  
• graph
  
• name
  
• value_type
  

方法

__init__

__init__ (
      DIST ,
      name = 'StochasticTensor' ,
      dist_value_type = None,
      loss_fn = sge.score_function
  )
 

構(gòu)造一個 StochasticTensor.

StochasticTensor 由分區(qū)支持,它的 value 方法將在每次調(diào)用時返回相同的值.value 返回什么值由 dist_value_type(默認SampleValue)控制.

一些分布的樣本函數(shù)是不可微的(例如來自離散分布的樣本,如伯努利),因此要區(qū)分樣本上游的 wrt 參數(shù)需要像評分函數(shù)估計器一樣的梯度估計.這是通過傳遞一個可微分 loss_fn 到StochasticTensor,其默認為一個函數(shù),其導(dǎo)數(shù)是分數(shù)函數(shù)估計.調(diào)用 stochastic_graph.surrogate_loss(final_losses) 將調(diào)用 loss() 的每一個 StochasticTensor 上游的最終損失.

loss() 將返回 None,StochasticTensor 以支持重新配置的分布; 如果值類型是 MeanValueType 或  loss_fn = None,它也將返回 none.

ARGS：

• dist：一個分配實例.
• name：這個StochasticTensor和它操作的名字.
• dist_value_type：一個 _StochasticValueType,這將決定 StochasticTensor 的值將是什么.如果沒有提供,將使用 value_type 上下文管理器設(shè)置的值類型.
• loss_fn：可以調(diào)用 (st, st.value(), influenced_loss),其中 st 是這個 StochasticTensor,并返回張量損失.默認情況下,loss_fn 是 score_function 或者更準確地說,是分數(shù)函數(shù)的積分,這樣當采用梯度時,分數(shù)函數(shù)就會產(chǎn)生.有關(guān)其他的損失函數(shù)和基準,請參閱 stochastic_gradient_estimators.

注意：

• TypeError：如果區(qū)不是一個分配實例.
• TypeError：如果 loss_fn 是不可調(diào)用的.

entropy

entropy( name = 'entropy' )

loss

loss ( 
     final_loss ,
     name = 'Loss'
  )

mean

mean ( name = 'mean' )

value

value ( name = 'value' )