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？

问题描述

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。