tf.contrib.distributions.bijectors.SoftmaxCentered

Биектор, вычисляющий Y = g(X) = exp([X 0]) / sum(exp([X 0])).

Наследуется от: Bijector

tf.contrib.distributions.bijectors.SoftmaxCentered(
    validate_args=False, name='softmax_centered'
)

Для реализации softmax как биекции, вперёд преобразование добавляет значение к входу, а обратное удаляет эту координату. Добавляемая координата представляет собой точку отсчёта, например, softmax(x) = exp(x-c) / sum(exp(x-c)), где c — это неявная последняя координата.

Пример использования:

bijector.SoftmaxCentered().forward(tf.math.log([2, 3, 4]))
# Result: [0.2, 0.3, 0.4, 0.1]
# Extra result: 0.1

bijector.SoftmaxCentered().inverse([0.2, 0.3, 0.4, 0.1])
# Result: tf.math.log([2, 3, 4])
# Extra coordinate removed.

На первый взгляд может показаться, что теорема об инвариантности области подразумевает, что это реализация не является биекцией. Однако добавленная размерность делает (прямое) изображение неограниченным, и теорема напрямую не применима.

Атрибуты
`dtype`	Тип данных `Tensor` преобразуемых с помощью этого распределения.
`forward_min_event_ndims`	Возвращает минимальное количество измерений, на которых bijector.forward работает.
`graph_parents`	Возвращает graph_parents этого `Bijector` в виде списка Python.
`inverse_min_event_ndims`	Возвращает минимальное количество измерений, на которых bijector.inverse работает.
`is_constant_jacobian`	Возвращает true, если матрица Якоби не зависит от x. Примечание: Матрица Якоби либо постоянна для прямого и обратного преобразований, либо ни для чего.
`name`	Возвращает строковое имя этого `Bijector`.
`validate_args`	Возвращает True, если аргументы Tensor будут проверены.

Методы

`forward`

Просмотреть исходный код

forward(
    x, name='forward'
)

Возвращает результат вычисления прямого преобразования, т. е., X = g(Y).

Аргументы
`x`	`Tensor`. Вход для вычисления «прямого» преобразования.
`name`	Имя для данного op.

Возвращаемое значение
`Tensor`.

Исключения
`TypeError`	если `self.dtype` указан, а `x.dtype` не является `self.dtype`.
`NotImplementedError`	если `_forward` не реализован.

`forward_event_shape`

Просмотреть исходный код

forward_event_shape(
    input_shape
)

Форма одного образца из одной партии в виде TensorShape.

То же значение, что и forward_event_shape_tensor. Может быть частично определена.

Аргументы
`input_shape`	`TensorShape` указывающая форму события, переданную в функцию `forward`.

Возвращаемое значение
`forward_event_shape_tensor`	`TensorShape` указывающая форму события после применения `forward`. Возможно неизвестная.

`forward_event_shape_tensor`

Просмотреть исходный код

forward_event_shape_tensor(
    input_shape, name='forward_event_shape_tensor'
)

Форма одного образца из одной партии в виде 1D int32 Tensor.

Аргументы
`input_shape`	`Tensor`, `int32` вектор, указывающий форму события, переданную в функцию `forward`.
`name`	имя, которое нужно дать операции

Возвращаемое значение
`forward_event_shape_tensor`	`Tensor`, `int32` вектор, указывающий форму события после применения `forward`.

`forward_log_det_jacobian`

Просмотреть исходный код

forward_log_det_jacobian(
    x, event_ndims, name='forward_log_det_jacobian'
)

Возвращает как forward_log_det_jacobian.

Аргументы
`x`	`Tensor`. Вход для вычисления определителя якобиана "прямого" преобразования.
`event_ndims`	Количество измерений в преобразуемых вероятностных событиях. Должно быть больше или равно `self.forward_min_event_ndims`. Результат суммируется по последним измерениям для получения скалярного определителя якобиана для каждого события, т.е. имеет форму `x.shape.ndims - event_ndims` измерений.
`name`	Имя для данного op.

Возвращаемое значение
`Tensor`, если данный биектор инъективен. Если не инъективен, это не реализовано.

Исключения
`TypeError`	если `self.dtype` задано, и `y.dtype` не `self.dtype`.
`NotImplementedError`	если ни `_forward_log_det_jacobian` ни {`_inverse`, `_inverse_log_det_jacobian`} не реализованы, или это биектор, не являющийся инъективным.

`inverse`

Просмотреть исходный код

inverse(
    y, name='inverse'
)

Возвращает обратное Bijector вычисление, т.е., X = g^{-1}(Y).

Аргументы
`y`	`Tensor`. Вход для вычисления "обратного" преобразования.
`name`	Имя для данного op.

Возвращаемое значение
`Tensor`, если этот биектор инъективен. Если не инъективен, возвращает k-кортеж, содержащий уникальные `k` точки `(x1, ..., xk)` такие, что `g(xi) = y`.

Исключения
`TypeError`	если `self.dtype` задано, и `y.dtype` не `self.dtype`.
`NotImplementedError`	если `_inverse` не реализовано.

`inverse_event_shape`

Просмотреть исходный код

inverse_event_shape(
    output_shape
)

Форма одного образца из одной партии как TensorShape.

То же значение, что и inverse_event_shape_tensor. Может быть определена частично.

Аргументы
`output_shape`	`TensorShape` указывающая форму части события, переданную в функцию `inverse` .

Возвращаемое значение
`inverse_event_shape_tensor`	`TensorShape` указывающая форму части события после применения `inverse`. Возможно неизвестно.

`inverse_event_shape_tensor`

Просмотреть исходный код

inverse_event_shape_tensor(
    output_shape, name='inverse_event_shape_tensor'
)

Форма одного образца из одной партии как int32 1D Tensor.

Аргументы
`output_shape`	`Tensor`, `int32` вектор, указывающий форму части события, переданную в функцию `inverse` .
`name`	имя для оператора

Возвращаемое значение
`inverse_event_shape_tensor`	`Tensor`, `int32` вектор, указывающий форму части события после применения `inverse`.

`inverse_log_det_jacobian`

Просмотреть исходный код

inverse_log_det_jacobian(
    y, event_ndims, name='inverse_log_det_jacobian'
)

Возвращает (log o det o Jacobian o inverse)(y).

Математически возвращает: log(det(dX/dY))(Y). (Напомним, что: X=g^{-1}(Y).)

Обратите внимание, что forward_log_det_jacobian является обратным этого значения, вычисленного в g^{-1}(y).

Аргументы
`y`	`Tensor`. Входное значение для вычисления обратной якобиановой матрицы.
`event_ndims`	Число измерений в преобразуемых вероятностных событиях. Должно быть больше или равно `self.inverse_min_event_ndims`. Результат суммируется по последним измерениям, чтобы получить скалярную якобиановую матрицу для каждого события, т.е. имеет размерность `y.shape.ndims - event_ndims`.
`name`	Имя для этого оператора.

Возвращаемое значение
`Tensor`, если этот биектор инъективен. Если не инъективен, возвращает кортеж локальных логарифмов определителей якобиановой матрицы, `log(det(Dg_i^{-1}(y)))`, где `g_i` — ограничение `g` на `ith`-разбиение `Di`.

Исключения
`TypeError`	если `self.dtype` указано, а `y.dtype` не `self.dtype`.
`NotImplementedError`	если `_inverse_log_det_jacobian` не реализовано.

© 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/distributions/bijectors/SoftmaxCentered