小编Luc*_*ias的帖子

对于 NN 的自定义损失，我使用该函数 . u，给定一对 (t,x)，间隔中的两个点，是我的神经网络的输出。问题是我被困在如何使用K.gradient（K 是 TensorFlow 后端）计算二阶导数：

def custom_loss(input_tensor, output_tensor):
    def loss(y_true, y_pred):

        # so far, I can only get this right, naturally:            
        gradient = K.gradients(output_tensor, input_tensor)

        # here I'm falling badly:

        # d_t = K.gradients(output_tensor, input_tensor)[0]
        # dd_x = K.gradient(K.gradients(output_tensor, input_tensor),
        #                   input_tensor[1])

        return gradient # obviously not useful, just for it to work
    return loss  

我所有基于 的Input(shape=(2,))尝试都是上面代码片段中注释行的变体，主要是试图找到结果张量的正确索引。

果然，我对张量的工作原理缺乏了解。顺便说一句，我知道在 TensorFlow 本身中我可以简单地使用tf.hessian，但我注意到使用 TF 作为后端时它不存在。

我有一个神经网络，它将两个参数作为输入：

t = tf.placeholder(tf.float32, [None, 1])
x = tf.placeholder(tf.float32, [None, 1])

在我的损失函数中，我需要对输出进行积分t，但我想不出这样做的方法，因为 TensorFlow 中唯一可用的数值积分函数tf.contrib.integrate.odeint_fixed不能将张量作为函数，因为它不能被调用：

称呼

t = tf.constant(np.linspace(0.0,1.0,100), dtype = tf.float64 )

integ = tf.contrib.integrate.odeint_fixed(model.output, 
                                          0.0, 
                                          t, 
                                          method = "rk4")

输出

...

<ipython-input-5-c79e79b75391> in loss(model, t, x)
     24                                                 0.0,
     25                                                 t,
---> 26                                                 method = "rk4")

...

TypeError: 'Tensor' object is not callable

更不用说我对如何处理x这个计算也一无所知，它应该是固定的。

我想根据每个数据帧中名为“types”的列为条形堆栈着色，但我不知道在哪里设置此参数（在 Plotly Express API 中有该参数color）。

奇怪的是，Plotly 已经用堆栈标记了条形图，但根据跟踪，[理所应当]以相同的方式对所有条形图着色：

from plotly.subplots import make_subplots
import plotly.graph_objects as go

fig = make_subplots(rows=1, cols=2)
fig.add_trace(go.Bar(x = grouped_A["Working Days"], y = grouped_A["Total"], 1, 1)
fig.add_trace(go.Bar(x = grouped_B["Working Days"], y = grouped_B["Total"], 1, 2)

fig.show()