我正在寻找类似于numpy.random.choice(range(3),replacement=False,size=2,p=[0.1,0.2,0.7])的东西,在TensorFlow中。与之最接近的Op似乎是tf.multinomial(tf.log(p)),它以logits作为输入,但无法进行无重复抽样。是否有其他方法在TensorFlow中从非均匀分布中进行采样?谢谢。
您可以使用tf.py_func
将numpy.random.choice
进行封装,以便作为TensorFlow操作可用:
a = tf.placeholder(tf.float32)
size = tf.placeholder(tf.int32)
replace = tf.placeholder(tf.bool)
p = tf.placeholder(tf.float32)
y = tf.py_func(np.random.choice, [a, size, replace, p], tf.float32)
with tf.Session() as sess:
print(sess.run(y, {a: range(3), size: 2, replace:False, p:[0.1,0.2,0.7]}))
您可以像平常一样指定numpy种子:
np.random.seed(1)
print(sess.run(y, {a: range(3), size: 2, replace:False, p:[0.1,0.2,0.7]}))
print(sess.run(y, {a: range(3), size: 2, replace:False, p:[0.1,0.2,0.7]}))
print(sess.run(y, {a: range(3), size: 2, replace:False, p:[0.1,0.2,0.7]}))
np.random.seed(1)
print(sess.run(y, {a: range(3), size: 2, replace:False, p:[0.1,0.2,0.7]}))
print(sess.run(y, {a: range(3), size: 2, replace:False, p:[0.1,0.2,0.7]}))
print(sess.run(y, {a: range(3), size: 2, replace:False, p:[0.1,0.2,0.7]}))
np.random.seed(1)
print(sess.run(y, {a: range(3), size: 2, replace:False, p:[0.1,0.2,0.7]}))
将会输出:
[ 2. 0.]
[ 2. 1.]
[ 0. 1.]
[ 2. 0.]
[ 2. 1.]
[ 0. 1.]
[ 2. 0.]
tf.py_func
是可怕的,因为调用python操作会极大地减慢计算速度。特别是当你使用GPU时,利用率可能从100%降至5%,具体取决于任务。由于我认为没有新的操作可以做到这一点,最好的方法是编写自定义的c++操作。但是您可以通过例如迭代地从数组中采样一个元素,并通过类似于tf.gather
的方式删除该元素来进行黑客攻击。 - user2781994