Math 将scipy.integrate.quad与Tensorflow一起使用

我正在尝试使用scipy.integrate.quad和Tensorflow，如下所示。

time

和

Lambda

是两个具有形状的张量（无，1）

但是，我得到一个错误，如下所示：

File "J:\Workspace\Distributions.py", line 30, in <lambda>
    args=(x[1],)),
  File "I:\Anaconda3\envs\tensorflow\lib\site-packages\scipy\integrate\quadpack.py", line 323, in quad
    points)
  File "I:\Anaconda3\envs\tensorflow\lib\site-packages\scipy\integrate\quadpack.py", line 388, in _quad
    return _quadpack._qagse(func,a,b,args,full_output,epsabs,epsrel,limit)
TypeError: a float is required

文件“J:\Workspace\Distributions.py”，第30行，在
args=（x[1]，），
文件“I:\Anaconda3\envs\tensorflow\lib\site packages\scipy\integrate\quadpack.py”，第323行，四行
积分）
文件“I:\Anaconda3\envs\tensorflow\lib\site packages\scipy\integrate\quadpack.py”，第388行，在_quad中
返回_quadpack._qagse（func、a、b、args、full输出、epsabs、epsrel、limit）
TypeError：需要浮点

---

X[0]是形状为（）的张量。它不是计算前的浮点值。有可能解决这个问题吗？我应该如何计算Tensorflow中的积分？

如果您至少有Tensorflow 1.8.0，那么最好使用以下代码（经过测试）：

from\uuuuu future\uuuuu导入打印功能
导入tensorflow作为tf
断言tf.VERSION>=“1.8.0”，“此代码仅适用于TensorFlow 1.8.0或更高版本。”
def f（y，a）：
返回a*a
x=tf.常数（[0.0,1.0,2,3,4]，dtype=tf.float32）
i=tf.contrib.integrate.odeint_fixed（f，0.0，x，method=“rk4”）
使用tf.Session（）作为sess：
res=sess.run（i）
打印（res）

将输出：

[0.0.33333334 2.66667 9.21.333334]

按照上述

x=[0,1,2,3,4]

的规定，在[0,0]、[0,2]、[0,3]和[0,4]间隔内正确集成x2。（x2的原始函数是⅓x3，例如43/3=64/3=21⅓）

---

否则，对于早期的TensorFlow版本，下面介绍如何修复代码

因此，主要的问题是必须使用将Python函数（在本例中）映射到张量上。将映射其他TensorFlow操作和过程，并期望将张量作为操作数。因此，

x[0]

永远不会是一个简单的浮点，它将是一个标量张量，不知道如何处理它

除非您想手动循环numpy阵列，否则您无法完全摆脱这两种方法

此外，返回一个double（float64），而张量是float32

我已经简化了你的代码很多，因为我无法访问它的其余部分，与这个问题的核心相比，它看起来太复杂了。以下代码（已测试）：

from\uuuuu future\uuuuu导入打印功能
导入tensorflow作为tf
从scipy导入集成
定义f（a）：
返回a*a
def集成（f，x）：
返回tf.map_fn（lambda y:tf.py_func（
lambda z:integrate.quad（f，0.0，z）[0]，[y]，tf.float64），
十）
x=tf.constant（[1.0,2,3,4]，dtype=tf.float64）
i=集成（f，x）
使用tf.Session（）作为sess：
res=sess.run（i）
打印（res）

还将输出：

[0.33333333 2.66666667 9.21.33333333]

---

如果您至少有TensorFlow 1.8.0，那么最好使用以下代码（已测试）：

from\uuuuu future\uuuuu导入打印功能
导入tensorflow作为tf
断言tf.VERSION>=“1.8.0”，“此代码仅适用于TensorFlow 1.8.0或更高版本。”
def f（y，a）：
返回a*a
x=tf.常数（[0.0,1.0,2,3,4]，dtype=tf.float32）
i=tf.contrib.integrate.odeint_fixed（f，0.0，x，method=“rk4”）
使用tf.Session（）作为sess：
res=sess.run（i）
打印（res）

将输出：

[0.0.33333334 2.66667 9.21.333334]

按照上述

x=[0,1,2,3,4]

的规定，在[0,0]、[0,2]、[0,3]和[0,4]间隔内正确集成x2。（x2的原始函数是⅓x3，例如43/3=64/3=21⅓）

---

否则，对于早期的TensorFlow版本，下面介绍如何修复代码

因此，主要的问题是必须使用将Python函数（在本例中）映射到张量上。将映射其他TensorFlow操作和过程，并期望将张量作为操作数。因此，

x[0]

永远不会是一个简单的浮点，它将是一个标量张量，不知道如何处理它

除非您想手动循环numpy阵列，否则您无法完全摆脱这两种方法

此外，返回一个double（float64），而张量是float32

我已经简化了你的代码很多，因为我无法访问它的其余部分，与这个问题的核心相比，它看起来太复杂了。以下代码（已测试）：

from\uuuuu future\uuuuu导入打印功能
导入tensorflow作为tf
从scipy导入集成
定义f（a）：
返回a*a
def集成（f，x）：
返回tf.map_fn（lambda y:tf.py_func（
lambda z:integrate.quad（f，0.0，z）[0]，[y]，tf.float64），
十）
x=tf.constant（[1.0,2,3,4]，dtype=tf.float64）
i=集成（f，x）
使用tf.Session（）作为sess：
res=sess.run（i）
打印（res）

还将输出：

[0.33333333 2.66666667 9.21.33333333]

---

谢谢我计划通过学习优化Lambda。然而，使用集成。Quad似乎切断了中间变量LAMBDA和最终训练操作之间的连接。所以我得到了

ValueError:没有为任何变量提供梯度
当然，很乐意帮忙！：）是的，
integrate.quad（）
不实现渐变操作。您需要编写自己的带有渐变操作的层，以便能够通过它进行训练。好消息是原始函数的导数就是原始函数。：）添加了基于
tf.contrib的代码版本。
File "J:\Workspace\Distributions.py", line 30, in <lambda>
    args=(x[1],)),
  File "I:\Anaconda3\envs\tensorflow\lib\site-packages\scipy\integrate\quadpack.py", line 323, in quad
    points)
  File "I:\Anaconda3\envs\tensorflow\lib\site-packages\scipy\integrate\quadpack.py", line 388, in _quad
    return _quadpack._qagse(func,a,b,args,full_output,epsabs,epsrel,limit)
TypeError: a float is required