增强拓扑（NEAT）神经网络的神经进化可以在 TensorFlow 中构建吗？答案

【问题标题】：Can neuroevolution of augmenting topologies (NEAT) neural networks be built in TensorFlow? [closed]增强拓扑（NEAT）神经网络的神经进化可以在 TensorFlow 中构建吗？
【发布时间】：2019-02-16 15:03:23
【问题描述】：

我正在制作一个用于时间序列数据分析的机器学习程序，使用 NEAT 可以帮助完成这项工作。不久前我开始学习 TensorFlow，但似乎 TensorFlow 中的计算图通常是固定的。 TensorFlow 中是否有工具可以帮助构建动态演化的神经网络？或者像 Pytorch 这样的东西会是更好的选择？谢谢。

【问题讨论】：

标签： python tensorflow pytorch neat

【解决方案1】：

由于种群中神经网络的拓扑结构发生变化，因此无法在 TensorFlow 的静态图形模式下实现，除非进行重大权衡。静态图适用于架构在训练期间不会发生变化的模型。但是，它可以在 TensorFlow Eager 或 PyTorch 中完成，因为它们支持动态计算图。

在 TensorFlow Eager 中检查此实现：https://github.com/crisbodnar/TensorFlow-NEAT

【讨论】：

【解决方案2】：

创建进化的 tensorflow 网络的一种方法是使用 hyperneat 或 es-hyperneat 算法，而不是在物种中的单个网络上运行进化，而是进化出一个“基因组”，实际上是编码表型的 cppn神经网络。对于 cppn，您可以使用前馈 tensorflow 网络，但需要注意的是每个节点都可以使用不同的激活函数，这使得 cppn 能够进化为能够查询“表型”神经网络的结构和权重您可以使用通用的 tensorflow 网络（或您选择的任何网络）

我会研究整洁的 python 和 peas 库，看看它们使用的网络，并使用 tensorflow 网络复制这些类。

【讨论】：

【解决方案3】：

TensorFlow 支持eager execution，可以支持任意动态网络拓扑。

【讨论】：