python – TensorFlow中的硬限制/阈值激活功能

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – TensorFlow中的硬限制/阈值激活功能，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含740字，纯文字阅读大概需要2分钟。

内容图文

我正在尝试在TensorFlow 0.9中实现基本的二进制Hopfield Network.不幸的是,我很难让激活功能正常工作.我希望得到非常简单的if net [i]< 0,输出[i] = 0,否则输出[i] = 1但是我尝试的所有内容似乎都删除了渐变,即在尝试实现训练操作时,我得到“没有为任何变量提供渐变”的异常. 例如,我尝试将tf.less()转换为float,我尝试按照行进行

tf.maximum(tf.minimum(net, 0) + 1, 0)

但我忘了小小数值.最后我做到了

tf.maximum(tf.floor(tf.minimum(net, 0) + 1), 0)

但是tf.floor没有注册渐变.我也尝试用一个强制转换为int替换地板,然后一个强制转换为浮动但同样的交易.

关于我能做什么的任何建议？

解决方法:

有点晚了,但如果有人需要它,我就用这个定义了

def binary_activation(x):

    cond = tf.less(x, tf.zeros(tf.shape(x)))
    out = tf.where(cond, tf.zeros(tf.shape(x)), tf.ones(tf.shape(x)))

    return out

x是张量

内容总结

以上是互联网集市为您收集整理的python – TensorFlow中的硬限制/阈值激活功能全部内容，希望文章能够帮你解决python – TensorFlow中的硬限制/阈值激活功能所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---