小编use*_*764的帖子

tensorflow 似乎只支持 tf.float32 用于训练神经网络，这会导致我的算法中出现 Cholesky 分解问题。

以下代码是我的计算图的一部分，其中 X_latent 是要传入的张量，它返回一个正定矩阵。

def get_mat_LX(self, X_latent):
    dim_P = int(X_latent.shape[1])
    col = tf.reduce_sum(X_latent*X_latent, 1)
    col = tf.reshape(col, [-1, 1])
    prod = tf.matmul(X_latent, tf.transpose(X_latent))
    log_mat_LX = - (0.5/self.rho+0.5/self.sigma)*col + 1/self.sigma*prod - (0.5/self.rho+0.5/self.sigma)*tf.transpose(col) + 2*math.log(self.alpha**0.5)-2*dim_P*math.log((math.pi*self.rho)**0.5)
    mat_LX = tf.exp(log_mat_LX)

    return mat_LX

稍后，我需要对这个正定矩阵进行 cholesky 分解：

tensorflow_matrix = self.get_mat_LX(latent_var)
chol = tf.cholesky(tensorflow_matrix)

但是，由于数据类型问题，矩阵中的一些小值（例如 3.825485980697876e-41）将被 tensorflow 截断为 0.0000000e+00，因此返回的矩阵不再是正定性并导致 cholesky 分解问题：

Cholesky decomposition was not successful. The input might not be valid. 

例如，对于

latent_var:
array([[ 1.4992752 ,  0.4027754 , -0.9438937 , ..., …