我想构造一个变分自动编码器，其中一个样本是一个N * M矩阵，其中每一行都有M个类别。本质上，一个样本是一类分类数据，其中只能选择一个类别-一站式向量列表。
目前，我有一种适用于此类数据的自动编码器-我在最后一个维度上使用softmax来创建此约束，并且该约束有效（重构交叉熵很低）。
现在，我想使用tf.distributions创建一个变体自动编码器。我想知道哪种分配方式合适。
最佳答案
tf.contrib.distributions.Categorical是否满足您的需求？样本应为（0到n-1），其中n表示类别。
例：
＃logits的形状为[N，M]，其中M是类数
dist = tf.contrib.distributions.Categorical（logits = logits）
＃采样20次。应给出形状[20，N]。
样本= dist.sample（20）
＃depth是类别数。
one_hots = tf.one_hot（样本，深度= M）
关于python - 什么 tensorflow 分布表示分类数据列表，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/50037919/