将神经网络输出限制在 0 和 1 之间的简单方法？

Question

所以我正在编写一个 GAN 神经网络，我想将我的网络的输出设置为 0（如果它小于 0）和 1（如果它大于 1），否则保持不变。我对 tensorflow 很陌生，但我不知道有任何 tensorflow 函数或激活可以做到这一点而不会产生不必要的副作用。所以我做了我的损失函数，所以它计算损失就像输出被钳制一样，代码如下：

def discriminator_loss(real_output, fake_output):
    real_output_clipped = min(max(real_output.numpy()[0], 
    0), 1)
    fake_output_clipped = min(max(fake_output.numpy()[0], 
    0), 1)

    real_clipped_tensor = 
    tf.Variable([[real_output_clipped]], dtype = "float32")
    fake_clipped_tensor = 
    tf.Variable([[fake_output_clipped]], dtype = "float32")

    real_loss = cross_entropy(tf.ones_like(real_output), 
    real_clipped_tensor)
    fake_loss = cross_entropy(tf.zeros_like(fake_output), 
    fake_clipped_tensor)

    total_loss = real_loss + fake_loss
    return total_loss

但我收到此错误：

ValueError: No gradients provided for any variable: ['dense_50/kernel:0', 'dense_50/bias:0', 'dense_51/kernel:0', 'dense_51/bias:0', 'dense_52/kernel:0', 'dense_52/bias:0', 'dense_53/kernel:0', 'dense_53/bias:0'].

有没有人知道更好的方法或修复此错误的方法？

谢谢！

Answer 1

您可以应用来自 Keras 的 ReLU 层作为最后一层并设置 max_value=1.0。例如：

model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(32, input_shape=(16,)))
model.add(tf.keras.layers.Dense(32))
model.add(tf.keras.layers.ReLU(max_value=1.0))

您可以在这里阅读更多相关信息：https://www.tensorflow.org/api_docs/python/tf/keras/layers/ReLU

Answer 2

TF 可能不知道如何根据此损失更新您的网络权重。交叉熵的输入是直接从 numpy 数组分配的张量（变量），不连接到您的实际网络输出。

如果您想对将保留在图中并且（希望）可微的张量执行操作，请使用可用的 TF 操作。这里描述了一个 "clip_by_value" 操作：https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/clip_by_value.

例如real_output_clipped = tf.clip_by_value(real_output, clip_value_min=0, clip_value_max=1)

将神经网络输出限制在 0 和 1 之间的简单方法？

Easy way to clamp Neural Network outputs between 0 and 1?

nlp

neural-network

tensorflow

generative-adversarial-network