如何在张量流中得到协方差矩阵？

Question

如何在张量流中得到协方差矩阵？就像numpy.cov()在numpy.

例如,我想获得张量的协方差矩阵A,现在我必须使用numpy

    A = sess.run(model.A, feed)
    cov = np.cov(np.transpose(A))

无论如何,cov通过tensorflow而不是numpy？

它与如何计算张量流中的协方差的问题不同,其中它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)

Answer 1

这是几个月的晚了,但无论如何发布完整性.

import numpy as np
import tensorflow as tf

def tf_cov(x):
    mean_x = tf.reduce_mean(x, axis=0, keep_dims=True)
    mx = tf.matmul(tf.transpose(mean_x), mean_x)
    vx = tf.matmul(tf.transpose(x), x)/tf.cast(tf.shape(x)[0], tf.float32)
    cov_xx = vx - mx
    return cov_xx

data = np.array([[1., 4, 2], [5, 6, 24], [15, 1, 5], [7,3,8], [9,4,7]])

with tf.Session() as sess:
    print(sess.run(tf_cov(tf.constant(data, dtype=tf.float32))))


## validating with numpy solution
pc = np.cov(data.T, bias=True)
print(pc)