我正在使用Tensorflow Probability来构建一个VAE，其中包括图像像素以及一些其他变量。VAE:的输出
tfp.distributions.Independent(tfp.distributions.Bernoulli(logits), 2, name="decoder-dist")
我正在努力理解如何在此基础上形成其他条件分布，我可以将其与推理方法(MCMC或VI(一起使用。假设上面的输出是P(A，B，C|Z(，我如何利用这个分布来形成一个可以进行推理的后验P(A|B，C，Z(？我一直在试着通读这些文档，但我在掌握它们时遇到了一些困难。
你的问题的答案在很大程度上取决于你想在其中进行条件反射的联合模型的性质。关于这个话题已经写了很多文章，简而言之，这是一个非常困难的问题：(。如果不了解更多问题的细节，就几乎不可能推荐一个有用的通用推理程序。然而，我们在TFP repo中确实有一些示例(脚本和jupyter/colab笔记本(：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Hamiltonian Monte Carlo(一种MCMC技术(进行后验推理
-
线性混合效应模型示例，显示了如何使用VI来解决标准LME问题
等等。你可以点击这些笔记本顶部的"在谷歌Colab中运行"链接，打开并在上面运行https://colab.research.google.com.
也请随时通过电子邮件联系我们tfprobability@tensorflow.org.这是一个公共的谷歌小组，用户可以直接与构建TFP的团队接触。如果您在那里为我们提供更多关于您想做什么的信息，我们很乐意为TFP建模和推理提供指导。
希望这至少能给我们一个正确的开始！