张量流中的可微圆函数？

Question

所以我的网络输出是一个概率列表，然后我用它来取整tf.圆形（）为0或1，这对于此项目至关重要。 后来我发现了tf.圆形是不可微的，所以我有点迷路了。。：/

Answer 1

你可以用事实tf.最大值（）和tf.最小值（）是可微的，输入是从0到1的概率

# round numbers less than 0.5 to zero;
# by making them negative and taking the maximum with 0
differentiable_round = tf.maximum(x-0.499,0)
# scale the remaining numbers (0 to 0.5) to greater than 1
# the other half (zeros) is not affected by multiplication
differentiable_round = differentiable_round * 10000
# take the minimum with 1
differentiable_round = tf.minimum(differentiable_round, 1)

示例：

^{pr2}$

Answer 2

是沿着x-sin（2pix）/（2pi）这条线的东西吗？在

我肯定有办法把斜坡压得更陡一点。在

Answer 3

舍入是一个基本上不可微的函数，所以你在这方面运气不好。对于这种情况，通常的方法是找到一种方法，要么使用概率来计算期望值，要么采用输出的最大概率选择一个作为网络的预测。如果你不使用输出来计算你的损失函数，你可以继续把它应用到结果中，它是否可微也无所谓。现在，如果你想要一个信息损失函数来训练网络，也许你应该考虑一下，将输出保持在概率的形式是否对你有利（这可能会使你的培训过程更顺畅）——这样你就可以在培训后，将概率转换为网络之外的实际估计值。在