TensorFlow Probability中批量混合分布的概率

Question

TFP 发行版应具备开箱即用的批处理能力。但是，我面临着批量混合分配的问题。特此是一个玩具示例（使用急切执行）：

tfd = tfp.distributions
mix = np.array([[0.6, 0.4],[0.3, 0.7]] )
bimix_gauss = tfd.Mixture(
  cat=tfd.Categorical(probs=mix),
  components=[
    tfd.Normal(loc=[-1.0, -2.0], scale=[0.1, 0.1]),
    tfd.Normal(loc=[+1.0, +2.0], scale=[0.5, 0.5]),
])

print(bimix_gauss.sample())
print(bimix_gauss.prob(0.0))

基本上，它只是默认示例的 baching：https://www.tensorflow.org/probability/api_docs/python/tfp/distributions/Mixture

采样工作正常，但此分布的概率 returns 出错： InvalidArgumentError: cannot compute Add as input #1(zero-based) was expected to be a double tensor but is a float tensor [Op:Add] name: Mixture/prob/add/

任何猜测，我做错了什么？

PS。使用批量高斯分布的相同示例工作正常。

Answer 1

问题是 numpy 默认为 float64，但 TFP 遵循默认为 float32 的 TF 约定。因此，您的正态分布，其参数是裸 python 列表，在 Normal 的构造函数中被重铸为 tf.Tensors 作为 float32 张量，最终导致类型错误。您可以通过强制 np 数组为 float 32 来修复，或者更简单地通过将混合值作为列表而不是 ndarrays 传递。

TensorFlow Probability中批量混合分布的概率

Probability of batched mixture distribution in TensorFlow Probability

tensorflow

tensorflow-probability