张量流概率：从联合分布中检索特定的随机变量

Question

我是张量流概率的新手。 我正在构建一个分层模型，为此我使用 JointDistributionSequential API：

jds = tfp.distributions.JointDistributionSequential(
[
    # mu_g ~ uniform on sphere
    tfp.distributions.VonMisesFisher(
        mean_direction= [1] + [0]*(D-1),
        concentration=0,
        validate_args=True,
        name="mu_g"
    ),
    # epsilon ~ Exponential
    tfp.distributions.Exponential(
        rate=1,
        validate_args=True,
        name="epsilon"
    ),
    # mu_s ~ von Mises Fisher centered on mu_g
    lambda epsilon, mu_g: tfp.distributions.VonMisesFisher(
        mean_direction=mu_g,
        concentration=np.array(
            [epsilon]*S
        ),
        validate_args=True,
        name="mu_s"
    ),
    # sigma ~ Exponential
    tfp.distributions.Exponential(
        rate=1,
        validate_args=True,
        name="sigma"
    ),
    # mu_t_s ~ von Mises Fisher centered on mu_s
    lambda sigma, mu_s: tfp.distributions.VonMisesFisher(
        mean_direction=mu_s,
        concentration=np.array(
            [
                [sigma]*S
            ]*T
        ),
        validate_args=True,
        name="mu_t_s"
    ),
    # kappa ~ Exponential
    tfp.distributions.Exponential(
        rate=1,
        validate_args=True,
        name="kappa"
    ),
    # x_t_s ~ mixture of L groups of vMF
    lambda kappa, mu_t_s: tfp.distributions.VonMisesFisher(
        mean_direction=mu_t_s,
        concentration=np.array(
            [
                [
                    [
                        kappa
                    ]*S
                ]*T
            ]*N
        ),
        validate_args=True,
    name="x_t_s
    )            
]
)

然后我打算使用 Mixture API 创建这些模型的混合：

l = tfp.distributions.Categorical(
probs=np.array(
    [
        [
            [
                [1.0/L]*L
            ]*S
        ]*T 
    ]*N               
),
name="l"
)

mixture = tfd.Mixture(
cat=l,
components=[
    jds
] * L,
validate_args=True
)

这不起作用。我打算混合的是分层模型“末端”的随机变量，x_t_s，批量形状（N，T，S）。我想我需要将它们提供给混合的 components 参数。问题是我无法轻松地从 model 对象中检索这些变量。

有没有人想办法解决这个问题？

请注意，我尝试使用 jds.model[-1] 而不是 jds，但这指向 lambda 函数，这不是我需要的.

Answer 1

这里有几个想法。

1. 考虑使用SphericalUniform 进行第一次分发。
2. 对于同类型的Mixtures，考虑使用MixtureSameFamily。
3. 将混合物放入分层模型中。即，最后一个发行版不是 vMF，而是MixtureSameFamily(Categorical(...), VonMisesFisher(...))。
4. 如果以后想访问组件，可以拨打ds, xs = jds.sample_distributions()，看ds[-1].component_distribution

如有问题，请随时发送电子邮件至 tfprobability@tensorflow.org。