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。