如题所述。我想训练一个神经网络,其中权重为复数。使用默认的scikit learn网络并在此基础上进行构建(编辑源代码),我遇到的主要问题是,在scikit learn中使用的优化函数来自于scipy,仅支持对输入为实数的函数进行数值优化。
看起来,scikit learn对于神经网络来说相当糟糕,特别是如果您希望分叉和编辑结构,则该结构相当不灵活。
正如我在这篇论文中注意到和阅读的那样,我需要改变诸如误差函数之类的东西,以确保在顶层误差仍然保持为实数域,否则问题将变得不确定。
我的问题是,是否有任何标准库已经可以做到这一点?或者我能够在lasagne或tensorflow中进行任何简单的调整,以挽救我的生命?
注:很抱歉没有发布任何工作代码。这是一个难以按照stackoverflow标准格式化的问题,我承认它可能超出了主题,如果是这样,我向您道歉。
看起来,scikit learn对于神经网络来说相当糟糕,特别是如果您希望分叉和编辑结构,则该结构相当不灵活。
正如我在这篇论文中注意到和阅读的那样,我需要改变诸如误差函数之类的东西,以确保在顶层误差仍然保持为实数域,否则问题将变得不确定。
我的问题是,是否有任何标准库已经可以做到这一点?或者我能够在lasagne或tensorflow中进行任何简单的调整,以挽救我的生命?
注:很抱歉没有发布任何工作代码。这是一个难以按照stackoverflow标准格式化的问题,我承认它可能超出了主题,如果是这样,我向您道歉。