tensorflow - 在张量流中表示高精度浮点数
问题描述
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:
- 有没有办法在 TensorFlow 或 Keras 中表示数据?
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。
解决方案
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。
推荐阅读
- laravel - 如果 jwt 令牌在 laravel 和 Vue spa 中使用 httponly 存储在 cookie 中,如何防止 csrf 攻击?
- javascript - Javascript fetch api 返回 200 和响应但是.then 不能工作
- java - 如何在我的自定义类中处理 onClick 或 onTouch 事件?
- javascript - TypeError:无法读取 Reactjs 中未定义的属性“0”添加到购物车功能
- http - 如何为单个 HTTP 请求使用多个证书?
- php - 从 WordPress 单点登录到媒体 wiki
- android - kotlin 协程中带有 URL().readText() 的 NetworkOnMainThreadException
- perl - 使用 LWP::Authen::OAuth2 访问受 OAuth2 保护的 Google API 时出现问题
- android - ListView 布局高度与 Fragment 中 RecyclerView 内的父级不匹配
- android - 以编程方式插入(Android 6.0 以上)Android 后事件消失