0

在我训练贝叶斯神经网络模型并将其保存到 .h5 文件中后，我无法绘制其结果，因为我不知道模型训练的标准差和预测均值。我正在使用以下方法来获取预测：

with tf.GradientTape() as tape0:
    tape0.watch(T)
    with tf.GradientTape() as tape1:
            tape1.watch(S)
            with tf.GradientTape() as tape2:
                    tape2.watch([S, T])
                    X = tf.concat([S/(K*tf.exp(-r*T)), T], 1) #input matrix for ANN
                    print(X)
                    out = model(X)    
                    out_sd = out.stddev()
                    print(out)
                    out_values = K*tf.where(tf.greater(T, 1e-3), out, tf.maximum(S/K - 1, 0))
                
            delta_values, theta_values = tape2.gradient(out_values, [S, T])
    gamma_values = tape1.gradient(delta_values, S)
charm_values = tape0.gradient(delta_values, T)

out_values = out_values.numpy()

所以基本上我正在尝试使用给定模型的 out.stddev() 计算标准偏差。但显然，这段代码中定义的 out 是一个张量，而不是具有模型标准偏差属性的某物。有谁知道如何使用 DenseFlipout 层从训练有素的贝叶斯神经网络中获得标准差？提前致谢！

4

0 回答 0