我正在使用TensorFlow Probability构建一个包含图像像素和其他一些变量的变分自编码器（VAE）。VAE的输出如下：

tfp.distributions.Independent(tfp.distributions.Bernoulli(logits), 2, name="decoder-dist")

我想了解如何基于这个输出形成其他条件分布，以便与推断方法（MCMC或VI）一起使用。假设上面的输出是P(A,B,C | Z)，我该如何将其转化为后验分布P(A|B, C, Z)来进行推断？我一直在尝试阅读文档，但理解起来有些困难。

回答：

你的问题的答案很大程度上取决于你希望在其中进行条件化的联合模型的性质。这个话题已有大量文献，简而言之，这是一个非常困难的问题:)。如果不了解你的具体问题细节，几乎不可能推荐一个有用的通用推断程序。然而，我们在TFP存储库中确实有许多示例（脚本和Jupyter/Colab笔记本），你可以在这里找到：https://github.com/tensorflow/probability/tree/master/tensorflow_probability/examples

特别是，

• 层次线性模型示例，它是一种罗塞塔石碑，展示了如何在TFP、R和Stan中使用哈密顿蒙特卡洛（一种MCMC技术）进行后验推断，

• 线性混合效应模型示例，展示了如何使用VI解决标准的LME问题，

以及其他许多示例。你可以点击这些笔记本顶部的“在Google Colab中运行”链接，在https://colab.research.google.com上打开并运行它们。

另外，如果有任何问题，也欢迎通过电子邮件联系我们，地址是[email protected]。这是一个公共Google群组，用户可以直接与构建TFP的团队互动。如果你在那里提供更多关于你想做什么的信息，我们很乐意提供关于TFP建模和推断的指导。

希望这至少能给你一个正确的起点！