tf.contrib.bayesflow.monte_carlo.expectation_importance_sampler_logspace
Выборка по важности с положительной функцией в логарифмическом пространстве.
tf.contrib.bayesflow.monte_carlo.expectation_importance_sampler_logspace(
log_f, log_p, sampling_dist_q, z=None, n=None, seed=None,
name='expectation_importance_sampler_logspace'
)
При \(p(z) := exp^{log_p(z)}\), и \(f(z) = exp{log_f(z)}\), эта функция возвращает
\(Log[ n^{-1} sum_{i=1}^n [ f(z_i) p(z_i) / q(z_i) ] ], z_i ~ q,\) \(\approx Log[ E_q[ f(Z) p(Z) / q(Z) ] ]\) \(= Log[E_p[f(Z)]]\)
Этот интеграл вычисляется в логарифмическом пространстве с использованием максимального вычитания, чтобы лучше обрабатывать часто встречающиеся экстремальные значения, которые f(z) p(z) / q(z) может принимать.
В отличие от expectation_importance_sampler, эта функция возвращает значения в логарифмическом пространстве.
Пользователь предоставляет либо Tensor выборок z, либо количество выборок для генерации n
| Аргументы | |
|---|---|
log_f | Вызываемый объект, отображающий выборки из sampling_dist_q в Tensors с формой, совместимой с q.batch_shape. Например, log_f работает «точно так же», как sampling_dist_q.log_prob. |
log_p | Вызываемый объект, отображающий выборки из sampling_dist_q в Tensors с формой, совместимой с q.batch_shape. Например, log_p работает «точно так же», как q.log_prob. |
sampling_dist_q | Распределение выборки. tfp.distributions.Distribution. float64 dtype рекомендуется. log_p и q должны поддерживаться на одном наборе. |
z | Tensor выборок из q, созданных q.sample для некоторого n. |
n | Целое число Tensor. Количество выборок для генерации, если z не предоставлено. |
seed | Целое число Python для задания генератора случайных чисел. |
name | Имя, которое нужно дать этому Op. |
| Возвращаемое значение | |
|---|---|
Логарифм оценки выборки по важности. Tensor с shape равным форме пакетной выборки q, и dtype = q.dtype. |
© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib/bayesflow/monte_carlo/expectation_importance_sampler_logspace