python - 如何在 tensorflow 中获得协方差矩阵？

Question

如何在 tensorflow 中获取协方差矩阵？就像 numpy 中的 numpy.cov() 一样。

例如，我想获取张量 A 的协方差矩阵，现在我必须改用 numpy

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

有没有办法通过 tensorflow 而不是 numpy 来获取 cov？

这与问题不同 how to compute covariance in tensorflow ，他们的问题是计算两个向量的协方差，而我的问题是使用 tensorflow API 有效地计算矩阵(二维张量)的协方差矩阵

Answer 1

这已经晚了几个月，但无论如何发布是为了完整性。

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)