如何从 Tensorflow 中的分类分布中采样唯一数字张量

Question

我想从分类分布中抽样值，而不会在 return

中重复

我尝试使用tf.random.categorial，但似乎我想做的事是不可能的...

tf.random.categorical(tf.math.log([[0.2,0.3,0.2,0.1,0.2]]), 4)

好的结果：[[3,2,4,1]] // 意外的结果 [[1,2,2,3]]

目前我已经这样解决了我的问题，但是性能很差（慢了10倍）

score_batch = tf.nn.softmax(score_batch, axis=-1)
batch_size = batch.shape[0]
indexes_array = tf.TensorArray(dtype=tf.int32, size=batch_size)
for idx in tf.range(batch_size):
    logits = tf.math.log(tf.expand_dims(score_batch[idx], axis=0))
    current_indexes = tf.random.categorical(logits, 4, dtype=tf.int32)
    current_indexes = tf.squeeze(current_indexes)
    while tf.math.not_equal(current_indexes.shape[0], tf.shape(tf.unique(current_indexes)[0])[0]):
        current_indexes = tf.random.categorical(logits, 4, dtype=tf.int32)
        current_indexes = tf.squeeze(current_indexes)
    indexes_array = indexes_array.write(idx, current_indexes)

indexes = indexes_array.stack()

更新：

经过测试，建议的解决方案运行良好，可以让我做我想做的事

Answer 1

我找不到只使用 tensorflow 的方法，也许它正在考虑，禁止重复 classes，你在搞乱概率，因为 [= =22=]被选中，再次被选中的概率为0

但是您可以使用 numpy 使用 numpy.random.choice()

轻松做到这一点

numpy.random.choice(np.arange(0,5),size=4,replace=False,p=[0.2,0.3,0.2,0.1,0.2])

如果你想将它转换为张量，只需使用 tf.convert_to_tensor:

tf.convert_to_tensor(numpy.random.choice(np.arange(0,5),size=4,replace=False,p=[0.2,0.3,0.2,0.1,0.2]))

如何从 Tensorflow 中的分类分布中采样唯一数字张量

How to sample unique number tensors from a categorical distribution in Tensorflow

python

tensorflow

unique

distribution