有没有办法在 Tensorflow 中“反转”神经网络？

问题描述

我正在训练一个神经网络，在给定一些输入（这里我们称之为 x 和 y）的情况下，它能够预测输出 z。所以，z=f(x,y) 一旦神经网络被正确训练，我希望能够获得一个模型，给定 z 和 x，返回另一个输入： 我的意思是获得模型： y=g(x,z) 在 Tensorflow 中可能吗？ 提前谢谢你！

解决方法

这个问题让我进退两难。

如果您认为理论上它应该是可能的，当且仅当您的网络没有像 ReLU 这样的非线性并且具有可逆的权重矩阵（加偏置）时，这是可能的。然而，随着维度的增加，矩阵乘法仍然是一个问题。

但在实践中，机器学习模型倾向于使用给定的输入概括问题。因此，如果您可以为 f(x,y) 构建一个模型，那么您可以为 g(x,z) 构建另一个模型，因为问题没有太大区别。如果您考虑复杂的模型，这将不实用。这样做对我来说也没有意义。知识上会有损失。

所以即使你能做到，也需要做很多额外的工作。在我看来，它不值得奖。寻求新模式应该不会那么痛苦。