如何在张量流中得到协方差矩阵?就像 numpy
中的 numpy.cov()
一样 .
例如,我想获得张量 A
的协方差矩阵,现在我必须使用numpy代替
A = sess.run(model.A, feed)
cov = np.cov(np.transpose(A))
无论如何得到张量流而不是numpy的 cov
?
它与问题how to compute covariance in tensorflow不同,他们的问题是计算两个向量的协方差,而我的是使用tensorflow API有效地计算矩阵的协方差矩阵(2D张量)
3 回答
这是几个月的晚了,但无论如何发布完整性 .
相当于
np.cov(data)
:回答自2019年.Tensorflow概率现在支持毫不费力的相关性和协方差 .
https://www.tensorflow.org/probability/api_docs/python/tfp/stats/covariance