TensorFlow：集成神经网络的输出

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，但是我找不到解决方法，因为TensorFlow中唯一可用的数值积分函数tf.contrib.integrate.odeint_fixed无法实现将Tensor作为函数，因为它不能被调用：

致电

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

更不用说我对如何处理x也一无所知，应该保持不变。

Answer 1

tf.contrib.integrate.odeint_fixed似乎是用于积分常微分方程（ODE）。但是，如果我对您的理解正确，那么您想近似模型输出的定积分，可以将其命名为y，在t采样。

为此，您可以使用trapezoidal rule，为此您可以在tensorflows AUC function中找到可能的实现。在您的情况下，可能看起来像这样：

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。