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？

问题描述

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！

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）