将神经网络输出钳制在0和1之间的简便方法？

Question

因此，我正在编写GAN神经网络，如果网络的输出小于0，我想将其输出设置为0，如果网络的输出大于1，则将其输出设置为1，否则将其保持不变。我对tensorflow还是很陌生，但是我不知道任何tensorflow函数或激活可以做到这一点而不会产生有害的副作用。因此，我制作了损失函数，以便使用以下代码来计算损失，就好像输出被钳位一样：

def discriminator_loss(real_output, fake_output):
    real_output_clipped = min(max(real_output.numpy()[0], 
    0), 1)
    fake_output_clipped = min(max(fake_output.numpy()[0], 
    0), 1)

    real_clipped_tensor = 
    tf.Variable([[real_output_clipped]], dtype = "float32")
    fake_clipped_tensor = 
    tf.Variable([[fake_output_clipped]], dtype = "float32")

    real_loss = cross_entropy(tf.ones_like(real_output), 
    real_clipped_tensor)
    fake_loss = cross_entropy(tf.zeros_like(fake_output), 
    fake_clipped_tensor)

    total_loss = real_loss + fake_loss
    return total_loss
但我收到此错误：

ValueError: No gradients provided for any variable: ['dense_50/kernel:0', 'dense_50/bias:0', 'dense_51/kernel:0', 'dense_51/bias:0', 'dense_52/kernel:0', 'dense_52/bias:0', 'dense_53/kernel:0', 'dense_53/bias:0'].
有人知道一种更好的方法或解决此错误的方法吗？

谢谢！

因此，我正在编写GAN神经网络，如果网络的输出小于0，我想将其输出设置为0，如果网络的输出大于1，则将其输出设置为1，否则将其保持不变。我对...很陌生...

Answer 1

您可以将Keras的ReLU层应用为最后一层，并设置max_value=1.0。例如：

Answer 2

TF可能不知道如何基于此损失来更新网络权重。交叉熵的输入是直接从numpy数组分配的张量（变量），并且未连接到实际的网络输出。