TensorFlow：整合神经网络的输出答案

【问题标题】：TensorFlow: integrate output of neural networkTensorFlow：整合神经网络的输出
【发布时间】：2019-07-14 06:27:10
【问题描述】：

我有一个神经网络，输入两个参数：

t = tf.placeholder(tf.float32, [None, 1])
x = tf.placeholder(tf.float32, [None, 1])

在我的损失函数中，我需要在t 上对输出进行积分，但我无法找到这样做的方法，因为 TensorFlow 中唯一可用的数值积分函数 tf.contrib.integrate.odeint_fixed 不能将张量作为函数，因为它不能被调用：

呼叫

t = tf.constant(np.linspace(0.0,1.0,100), dtype = tf.float64 )

integ = tf.contrib.integrate.odeint_fixed(model.output, 
                                          0.0, 
                                          t, 
                                          method = "rk4")

输出

...

<ipython-input-5-c79e79b75391> in loss(model, t, x)
     24                                                 0.0,
     25                                                 t,
---> 26                                                 method = "rk4")

...

TypeError: 'Tensor' object is not callable

更不用说我也不知道如何在这个计算中处理x，它应该是固定的。

【问题讨论】：

标签： python tensorflow neural-network numerical-methods

【解决方案1】：

tf.contrib.integrate.odeint_fixed 似乎用于积分常微分方程 (ODE)。但是，如果我理解正确，您想近似模型输出的定积分，我们称之为y，采样于t。

为此，您可以使用trapezoidal rule，您可以在tensorflows AUC function 中找到可能的实现。在你的情况下，它可能看起来像：

from tensorflow.python.ops import math_ops

def trapezoidal_integral_approx(t, y):
    return math_ops.reduce_sum(
            math_ops.multiply(t[:-1] - t[1:],
                              (y[:-1] + y[1:]) / 2.), 
            name='trapezoidal_integral_approx')

y 将是模型的输出。

【讨论】：

吹毛求疵：就运行时间而言，在reduce_sum 之外进行除以 2 可能会更好。