有没有一种方法可以使用张量流晶格约束创建深度神经网络？

如何解决有没有一种方法可以使用张量流晶格约束创建深度神经网络？

我一直在使用输入的单调性的tf晶格约束来创建多层感知器。根据论文Monotonic calibrated interpolated look-up tables，似乎晶格层仅应与单层一起使用才能应用约束。但是，我还经历了Deep Lattice Networks，其中使用了集成格。在tf中是否有公开的实现？ tf格子github中的所有教程似乎都是对要素的单层约束优化。

解决方法

不确定“深”晶格网络，但可以使用合奏。 参见here

,

它被实现为random tiny lattices layers（rtl_layer）。您可以将它们堆叠在一起以创建更多层。请注意，您需要标记除底层单调之外的所有图层，所有图层均应标记为所有单输入，以确保将单调传递给最终预测。