从Tensorflow中的概率分布计算平均状态

Question

我有3个状态（即状态是一个向量，在这个例子中向量长度是2），我有概率分布（例如10％状态1,60％状态2,30 ％状态3）。我想推导出一个新的状态，即概率*状态的总和。当然，我也需要考虑批次。

1>计算概率分布，我有一批4个和3个可能性，分布定义如下。

dist = tf.constant([[0.1, 0.6, 0.3], [0.2, 0.4, 0.4], [0.3, 0.5, 0.2], [0.3, 0.6, 0.1]]) 

2> 3种可能的状态（和4个批次）。这是形状[4，3，2]或[批次，3种可能的状态，状态值]的张量

val = tf.constant([[[10.0, 5.0],[10, 5],[10,5]],[[8, 2],[8, 2],[8, 2]],[[7, 3],[9, 1],[6, 4]],[[1, 2],[3, 4],[5, 6]]]) 

我想获得[4,2]或[批次，状态值的张量]。在这种情况下，该值应该是

[ 
    [10*0.1 + 10*0.6 + 10*0.3, 5*0.1 + 5*0.6 + 5*0.3], 
    [8*0.2 + 8*0.4 + 8*0.4, 2*0.2 + 2*0.4 + 2*0.4], 
    [7*0.3 + 9*0.5 + 6*0.2, 3*0.3 + 1*0.5 + 4*0.2], 
    [1*0.3 + 3*0.6 + 5*0.1, 2*0.3 + 4*0.6 + 6*0.1] 
] 

或

[ 
    [10, 5], 
    [8, 2], 
    [7.8, 2.2], 
    [2.6, 3.6] 
] 

我怎么能这样做呢？谢谢！

Answer 1

这是我发现的。原来是简单元素明智多重（*或tf.multiply）

dist = tf.constant([[0.1, 0.6, 0.3], [0.2, 0.4, 0.4], [0.3, 0.5, 0.2], [0.3, 0.6, 0.1]]) 
val = tf.constant([[[10.0, 5.0],[10, 5],[10,5]],[[8, 2],[8, 2],[8, 2]],[[7, 3],[9, 1],[6, 4]],[[1, 2],[3, 4],[5, 6]]]) 
dist.get_shape() 
    TensorShape([Dimension(4), Dimension(3)]) 
val.get_shape() 
    TensorShape([Dimension(4), Dimension(3), Dimension(2)]) 
val2 = tf.transpose(val, perm=[0, 2, 1]) 
val2.get_shape() 
    TensorShape([Dimension(4), Dimension(2), Dimension(3)]) 
dist2 = tf.expand_dims(dist, 1) 
dist2.get_shape() 
    TensorShape([Dimension(4), Dimension(1), Dimension(3)]) 
c1 = val2 * dist2 
c1.get_shape() 
    TensorShape([Dimension(4), Dimension(2), Dimension(3)]) 
c2 = tf.reduce_sum(c1, 2) 

print(c2.eval()) 
[[ 10.   5.  ] 
[ 8.   2.  ] 
[ 7.80000019 2.20000005] 
[ 2.60000014 3.5999999 ]]