【发布时间】：2018-03-19 05:28:42
【问题描述】：
因此，张量流在创建涉及感知器神经元的神经网络时非常有用。但是，如果想要使用一种新型的神经元来代替经典的感知器神经元，这是否可以通过增强 tensorflow 代码来实现？我似乎找不到答案。我知道这会改变前向传播和更多的数学计算，我愿意改变所有必要的领域。
我也知道我可以从头开始编写我需要的层和我想到的神经元，但是 tensorflow 仍然具有 GPU 集成，因此人们可以看到操纵他们的代码而不是创建自己的代码更理想从头开始拥有。
有人试过这个吗？我的目标是创建使用与经典感知器不同类型的神经元的神经网络结构。
如果有人知道我在 tensorflow 中的哪个位置可以查看他们在哪里初始化感知器神经元，我将非常感激！
编辑：
更具体地说，是否可以更改 tensorflow 中的代码以使用不同的神经元类型而不是感知器来调用 tensorlfow 模块：例如 tf.layers？还是 tf.nn？ （conv2D、batch-norm、max-pool 等）。我可以弄清楚细节。我只需要知道在哪里（我确定它们是几个位置）我会为此更改代码。
【问题讨论】：
-
这太模糊了，是的，你绝对可以在 TF 中做任何你想要的神经元实现，但是你的问题太模糊了，因为你没有真正指定你想要实现的目标。跨度>
-
好的，这里有一个例子；我希望能够使用 tensorflow 模块：tf.Layers。但是用一种新型的神经元代替了 pereptron 神经元。我的问题不是非常具体的原因是因为我想要的内容适用于整个库，而不仅仅是一个示例。
-
对问题进行了编辑。
-
我非常怀疑 Tensorflow 代码库中是否存在“神经元”的概念。 Tensorflow 操纵张量。它使用点积或卷积等方法来做到这一点。在这种情况下，神经元只是让人们更容易思考这些东西的抽象。如果没有具体的例子，我也很难理解你想要做什么。
-
啊，好吧，可能有用的信息。我会四处挖掘，看看能找到什么。
标签： tensorflow neural-network conv-neural-network