如何在 TensorFlow 中使用伯努利分布初始化变量？答案

【问题标题】：How can I initialize variables with Bernoulli distribution in TensorFlow?如何在 TensorFlow 中使用伯努利分布初始化变量？
【发布时间】：2023-03-16 19:46:01
【问题描述】：

如何在 TensorFlow 中初始化变量？

我想将每个权重与伯努利分布相关联：

以 p 的概率得到某个值 x1，并且
以 1-p 的概率获得某个值 x2。

我应该如何初始化这个矩阵？

我写了这段代码：

logits_y = tf.get_variable("logits", [n_input*n_hidden,2],
                           initializer=tf.constant_initializer(1.))

[n_input*n_hidden, 2] 中的2 表示[p, 1-p]。

【问题讨论】：

您打算如何使用logits_y？在损失函数中还是用于生成摘要？
@musically_ut 我想使用 logits_y 绘制样本，现在权重来自不同的伯努利分布。我想以某种方式优化每个权重的 p。

标签： python tensorflow probability bernoulli-probability

【解决方案1】：

我不确定你打算用你的矩阵做什么，但这里是你如何在 tensorflow 中生成Bernoulli distribution：

>>> distrib = tf.contrib.distributions.Bernoulli(probs=[0.3])
>>> sample = distrib.sample([10])
>>> sample
<tf.Tensor 'Bernoulli/sample/Reshape:0' shape=(10, 1) dtype=int32>
>>> sample.eval()
array([[0],
       [0],
       [1],
       [1],
       [0],
       [0],
       [0],
       [1],
       [0],
       [0]], dtype=int32)

【讨论】：

感谢您的回复。我遇到的问题是我想通过抽取样本来优化每个权重的伯努利分布。所以我必须把每一个p作为一个变量，并使用SGD或一些类似的算法对其进行优化。