python - TensorFlow:整合神经网络的输出

Question

我有一个神经网络，它接受两个参数作为输入:

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

在我的损失函数中，我需要对 t 上的输出进行积分，但我无法找到实现此目的的方法，因为 TensorFlow 中唯一可用的数值积分函数是 tf .contrib.integrate.odeint_fixed，不能将 Tensor 作为函数，因为它无法被调用:

通话

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

更不用说我对如何在这个计算中处理x一无所知，它应该保持固定。

Answer 1

tf.contrib.integrate.odeint_fixed 似乎用于积分常微分方程 (ODE)。但是，如果我理解正确的话，您想要近似模型输出的定积分，我们将其称为 y，在 t 采样。

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')

其中 y 是模型的输出。