如何解决如何在 Tensorflow 中使用 DenseFlipout 层训练 BNN 模型后获得标准偏差和平均值?
在我训练贝叶斯神经网络模型并将其保存到 .h5 文件后,我无法绘制其结果,因为我不知道模型训练的标准偏差和预测均值。我正在使用以下方法来获得预测:
with tf.GradientTape() as tape0:
tape0.watch(T)
with tf.GradientTape() as tape1:
tape1.watch(S)
with tf.GradientTape() as tape2:
tape2.watch([S,T])
X = tf.concat([S/(K*tf.exp(-r*T)),T],1) #input matrix for ANN
print(X)
out = model(X)
out_sd = out.stddev()
print(out)
out_values = K*tf.where(tf.greater(T,1e-3),out,tf.maximum(S/K - 1,0))
delta_values,theta_values = tape2.gradient(out_values,[S,T])
gamma_values = tape1.gradient(delta_values,S)
charm_values = tape0.gradient(delta_values,T)
out_values = out_values.numpy()
所以基本上我试图使用给定模型的 out.stddev() 计算标准偏差。但显然这段代码中定义的 out 是一个 Tensor 而不是 sth ,它具有模型标准偏差的属性。有谁知道如何使用 DenseFlipout 层从经过训练的贝叶斯神经网络获得标准偏差?提前致谢!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。