如何使用张量作为函数的输入？（张量流）

Question

我试着用张量流来构造我的模型来解一个微分方程，例如

dX/dt=f(\mu,X,t)

这里，\ mu是一个依赖于X的函数，它很复杂，所以我想用神经网络来预测\mu（X）。你知道吗

首先，我的输入X通过密集层N得到\mu~N（X）。 然后，我用龙格库塔法求解上述常微分方程，该方法由一个代码定义：

def RK4(self, mu, X, t, dt=0.2):
    kX1=dt*self.f(mu, X, t)
    kX2=dt*self.f(mu, X+kX1/2, t+dt/2)
    kX3=dt*self.f(mu, X+kX2/2, t+dt/2)
    kX4=dt*self.f(mu, X+kX3, t+dt)
    X_next=X+(kX1+2*kX2+2*kX3+kX4)/6

    return X_next

注意self来自一个类变量。 当我直接将N（X）放入RK4时，出现了一个错误。你知道吗

 Tensor objects are only iterable when eager execution is enabled. To iterate 
 over this tensor use tf.map_fn.

我不熟悉这张地图。我的函数很复杂，因为它既有张量（\mu，X）又有浮点数（t，dt）。但正如我所知，map\u fn只处理张量输入。有没有一个聪明的方法来处理这些输入？谢谢！你知道吗

Answer 1

X_next= tf.map_fn(lambda x : self.RK4(x[0],x[1],x[2]),(self.mu, self.X, self.t), dtype=tf.float32)

会解决我的问题。事实上，地图可以接收张量型输入或浮点型输入。这种函数的用法可以从this link中看出