在TensorFlow中定义一个正变量

使用Tensorflow，我试图优化的形状参数。形状参数应始终大于零

---

在TensorFlow中定义正变量的好方法是什么

我看到了两种方法：

假设您在

tf.Variable

中有参数，您可以使用

约束

参数（

get\u Variable

也有它）。这需要是一个基本上将变量投影到允许空间的函数。例如，您可以在此处传递

tf.nn.relu

，如果出现负值，则会将其映射为0

可能更优雅：使用无约束变量，但通过合适的函数（如

tf.exp

）将其映射为正值。例如，如果变量为

x

，则将

tf.exp（x）

作为参数传递给威布尔分布。然后

x

表示参数的日志

---

第二种方法，我也可以使用$tf.square（shape）+1e-6$。由于参数不能为0，我必须添加一个非常小的值（tf.exp也是如此）。对吗？我想那会很管用；我认为exp最常用于这些目的，但老实说，我不知道为什么。它可能有一些来自数学/统计的更深层次的推理。尽管如此，任何映射到正数的函数都应该可以。添加一个小常数对于数值稳定性来说似乎是一个好主意（使用exp时，这一点不太重要，因为除了底流之外，exp始终大于0）。