设置tensorflow取整模式

我正在处理中的小数字 tensorflow ,这有时会导致 数值不稳定性 .

我想提高我的结果的精确度,或者至少 确定我的结果的界限 .

以下代码显示了数字错误的具体示例(它输出 nan 而不是 0.0 因为 float64 不够精确,无法处理 1+eps/2 ):

import numpy as np
import tensorflow as tf

# setup
eps=np.finfo(np.float64).eps
v=eps/2
x_init=np.array([v,1.0,-1.0],dtype=np.float64)

x=tf.get_variable("x", initializer=tf.constant(x_init))
square=tf.reduce_sum(x)
root=tf.sqrt(square-v)

# run
with tf.Session() as session:
    init = tf.global_variables_initializer()
    session.run(init)

    ret=session.run(root)
    print(ret)

我假设没有办法提高tensorflow中值的精度。但是也许可以设置舍入模式,就像在C++中使用 std::fesetround(FE_UPWARD) ? 然后,我可以强制tensorflow总是四舍五入,这将确保我取的是一个非负数的平方根。

我尝试的内容: 我试着跟着 this question 这概述了如何为python/numpy设置舍入模式。但是,这似乎不起作用,因为下面的代码仍在打印 南安 :

import numpy as np
import tensorflow as tf

import ctypes
FE_TONEAREST = 0x0000 # these constants may be system-specific
FE_DOWNWARD = 0x0400
FE_UPWARD = 0x0800
FE_TOWARDZERO = 0x0c00
libc = ctypes.CDLL('libm.so.6') # may need 'libc.dylib' on some systems

libc.fesetround(FE_UPWARD)

# setup
eps=np.finfo(np.float64).eps
v=eps/2
x_init=np.array([v,1.0,-1.0],dtype=np.float64)

x=tf.get_variable("x", initializer=tf.constant(x_init))
square=tf.reduce_sum(x)
root=tf.sqrt(square-v)

# run
with tf.Session() as session:
    init = tf.global_variables_initializer()
    session.run(init)
    ret=session.run(root)
    print(ret)