我不理解怎么在numpy中使用的Bernoulli随机数生成器计算,希望能有一些解释。例如:
np.random.binomial(size=3, n=1, p= 0.5)
Results:
[1 0 0]
n = 实验次数
p = 出现的概率
size = 实验数量
如何确定生成的数字/结果为“0”或“1”?
=================================更新==================================
我创建了一个受限玻尔兹曼机,尽管在多次代码执行中它是“随机”的,但总是呈现相同的结果。 随机化使用了np.random.seed(10)
import numpy as np
np.random.seed(10)
def sigmoid(u):
return 1/(1+np.exp(-u))
def gibbs_vhv(W, hbias, vbias, x):
f_s = sigmoid(np.dot(x, W) + hbias)
h_sample = np.random.binomial(size=f_s.shape, n=1, p=f_s)
f_u = sigmoid(np.dot(h_sample, W.transpose())+vbias)
v_sample = np.random.binomial(size=f_u.shape, n=1, p=f_u)
return [f_s, h_sample, f_u, v_sample]
def reconstruction_error(f_u, x):
cross_entropy = -np.mean(
np.sum(
x * np.log(sigmoid(f_u)) + (1 - x) * np.log(1 - sigmoid(f_u)),
axis=1))
return cross_entropy
X = np.array([[1, 0, 0, 0]])
#Weight to hidden
W = np.array([[-3.85, 10.14, 1.16],
[6.69, 2.84, -7.73],
[1.37, 10.76, -3.98],
[-6.18, -5.89, 8.29]])
hbias = np.array([1.04, -4.48, 2.50]) #<= 3 bias for 3 neuron in hidden
vbias = np.array([-6.33, -1.68, -1.25, 3.45]) #<= 4 bias for 4 neuron in input
k = 2
v_sample = X
for i in range(k):
[f_s, h_sample, f_u, v_sample] = gibbs_vhv(W, hbias, vbias, v_sample)
start = v_sample
if i < 2:
print('f_s:', f_s)
print('h_sample:', h_sample)
print('f_u:', f_u)
print('v_sample:', v_sample)
print(v_sample)
print('iter:', i, ' h:', h_sample, ' x:', v_sample, ' entropy:%.3f'%reconstruction_error(f_u, v_sample))
结果:
[[1 0 0 0]]
f_s: [[ 0.05678618 0.99652957 0.97491304]]
h_sample: [[0 1 1]]
f_u: [[ 0.99310473 0.00139984 0.99604968 0.99712837]]
v_sample: [[1 0 1 1]]
[[1 0 1 1]]
iter: 0 h: [[0 1 1]] x: [[1 0 1 1]] entropy:1.637
f_s: [[ 4.90301318e-04 9.99973278e-01 9.99654440e-01]]
h_sample: [[0 1 1]]
f_u: [[ 0.99310473 0.00139984 0.99604968 0.99712837]]
v_sample: [[1 0 1 1]]
[[1 0 1 1]]
iter: 1 h: [[0 1 1]] x: [[1 0 1 1]] entropy:1.637
np.random.binomial(size=3, n=1, p= 0.5)
时,结果是[1 0 0]
。然而,我不理解 numpy 是如何得出这些结果的,希望能够得到解释。 - WhiteSolsticebinomial
函数以及播种发生的确切位置。 - MB-F[0, 1, 1]
,您的意思是伯努利分布有极高的概率得到[0, 1, 1]
,因为概率是[0.057, 0.997, 0.975]
?因此,其他结果不太可能出现。如果是这样,我尝试将值硬编码为[0.3, 0.5, 0.7]
,但仍然没有“随机”值的迹象,因为它给出了一个恒定的结果[1, 0, 1]
。提前致谢! - WhiteSolstice