tensorflow - 在张量流中表示高精度浮点数

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. 有没有办法在 TensorFlow 或 Keras 中表示数据？

2. 如果没有明确方便的解决方案，您认为将数据转换为 complex128 对我们有帮助吗？例如：

   1.137600890156565523597960237237 + 73866202919173496865561768901我

对于我们的例子，更多的浮点数意味着更高的准确性。所以我们需要尽可能地保留它们。

我们更喜欢使用 GPU，因此解决方案应该涵盖它们。

标签： tensorflowkerasneural-network

Answer 1

您是否考虑过对数据进行预处理？以如此高的精度看到明显重要的分歧是相当罕见的。当您只在这样的平坦空间上操作时，可能也很难计算出有意义的梯度。