TensorFlow中的Heaviside（单位阶跃）激活

我需要在TensorFlow中实现一个感知器，但是，在TensorFlow中，heaviside（单位步长）激活似乎不可用。它不在

tf.

中，不在

tf.nn.

中，不在

tf.keras.activations.

中。我猜是因为TensorFlow是基于梯度的库，而heaviside激活没有梯度

---

我想知道为什么没有这个基本功能。有什么办法吗？制作感知器。

TensorFlow没有heaviside（单位步长）激活函数，可能是因为TF是基于梯度的库，heaviside没有梯度。我必须使用decorator实现我自己的heaviside

#Heaviside (Unit Step) function with grad
@tf.custom_gradient
def heaviside(X):
  List = [];

  for I in range(BSIZE):
    Item = tf.cond(X[I]<0, lambda: tf.constant([0], tf.float32), 
                           lambda: tf.constant([1], tf.float32));  
    List.append(Item);

  U = tf.stack(List);

  #Heaviside half-maximum formula
  #U = (tf.sign(X)+1)/2;

  #Div is differentiation intermediate value
  def grad(Div):
    return Div*1; #Heaviside has no gradient, use 1.

  return U,grad;

#带梯度的Heaviside（单位步长）函数
@自定义梯度
def heaviside（X）：
列表=[]；
对于范围内的I（BSIZE）：
Item=tf.cond（X[I]如何实现BSIZE？@user23657任何整数值，假设你有1000个样本，将整个历元作为批处理，因此BSIZE=1000，它不会占用太多内存