代表张量流中的高精度浮点

Question

我们打算用一些不适合float64或TensorFlow中任何其他现有数据类型的数据来训练ANN。例如，输入神经元可能会收到：

1.13760089015656552359796023723738662029191734968655617689014826158791613333

我有两个问题：

1. 是否可以用TensorFlow或Keras表示数据？

2. 如果没有一个清晰便捷的解决方案，您认为将数据转换为complex128是否会对我们有所帮助？例如：

   1.137600890156565523597960237237 + 73866202919173496865561768901 i

对于我们来说，浮点数越大，精度越高。因此，我们需要尽可能多地保留它们。

我们更喜欢使用GPU，因此解决方案应该涵盖它们。

Answer 1

您是否考虑过预处理数据？如此高的精度很难看到明显的重要差异。仅在这样的平面空间上操作时，可能也很难计算出有意义的梯度。