TensorFlow數(shù)學函數(shù)：tf.lbeta

函數(shù)：tf.lbeta

lbeta(
    x,
    name='lbeta'
)

定義在：tensorflow/python/ops/special_math_ops.py

參考指南：數(shù)學函數(shù)>基本數(shù)學函數(shù)

計算 \(ln(|Beta(x)|)\,沿著最后一個維度減少.

給定一維 z = [z_0,...,z_{K-1}],我們有如下定義：

$Beta(z) = \prod_j Gamma(z_j) / Gamma(\sum_j z_j)$

對于 n+1 維并且形狀為 [N1, ..., Nn, K]的 x,我們定義：

$lbeta(x)[i1, ..., in] = Log(|Beta(x[i1, ..., in, :])|)$$

換句話說,最后一個維度被視為 z 向量.

注意,如果 z = [u, v],則：\(β (z) = int_0^1 t^{u-1} (1 t) ^ {v-1} dt \),它定義了傳統(tǒng)的雙變量 β 函數(shù).

如果最后一個維度為空,則按照約定,空集的總和為零,而乘積為1.

參數(shù)：

• x：秩為 n+1 的張量,n >= 0 并且類型為 float 或 double.
• name：操作的名稱(可選).

返回值：

對數(shù) \(|Beta(x)|\) 沿最后一個維度減小.