TensorFlow 計算Monte Carlo或Shannon熵的確定性

tf.contrib.bayesflow.entropy.entropy_shannon

entropy_shannon (  
    p ,  
    z = None ,  
    n = None ,  
    seed = None ,  
    form = None ,  
    name = 'entropy_shannon' 
)

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

參見指南：貝葉斯熵(contrib)>操作

蒙特卡羅或香農(nóng)熵的確定性計算.

根據(jù) kwarg form,該操作返回分布的分析熵 p 或采樣熵：

- n ^ { - 1 } sum_ {i = 1 }^n p.log_prob( z_i ), where z_i ? p ,  
    \approx- E_p [Log[ p(Z)]] 
    =Entropy[p]

用戶提供的任何一個樣本 z 張量, 或一定數(shù)量的樣本來繪制 n.

ARGS：

• p： tf.contrib.distributions.Distribution
• z：Tensor 樣品來自 p,由 p.sample(n) 某些產(chǎn)生 n.
• n：整數(shù) Tensor.如果未提供 z, 則生成的樣本數(shù).
• seed：Python 整數(shù)用來尋找隨機(jī)數(shù)生成器.
• form:要么 ELBOForms. analytic_entropy (使用公式熵的 q) 或 ELBOForms. sample (熵的抽樣估計),或 ELBOForms. default (嘗試分析熵, 在樣本上返回).默認(rèn)值為 ELBOForms.default.
• name：給該操作的一個名字.

返回：

與 p 相同的 dtype 的張量,并且形狀等于 p. batch_shape.

舉：

• ValueError：如果 form 沒有由這個函數(shù)處理.
• ValueError：如果 form 是 ELBOForms. analytic_entropy 和 n 被提供.