我正在训练一个神经网络，给定一些输入，这里我们称之为x和y，它能够预测输出z，所以z=f(x,y)一旦神经网络被正确训练，我希望能够获得一个模型，给定z和x，返回另一个输入:我的意思是要得到这样的模型:y = g (x, z)这在Tensorflow中可能吗?提前谢谢你!
这个问题让我左右为难。
如果你认为理论上当且仅当你的网络没有像ReLU这样的非线性，并且有可逆的权重矩阵(加上偏置)，这是可能的。然而，当你的维度增加时，矩阵乘法仍然是一个问题。
但在实践中，机器学习模型倾向于用给定的输入概括问题． 如果你可以为f(x,y)建立一个模型那么你也可以为g(x,z)建立另一个模型因为问题没有太大的不同。如果你考虑复杂的模型，它将不实用． 这样做对我来说也没有意义。这将是知识的损失。
所以即使你能做到，它也需要很多额外的工作。在我看来，它不值这个奖。换一种新模式应该不会那么痛苦。
你不能反转一个通用的非线性神经网络，但是有一个神经网络架构可以让你简单地做到这一点(首先在这里提出，第3.2节https://arxiv.org/pdf/1605.08803.pdf)。
基本上，你把输入分割成2个向量，u1和u2，然后像这样变换它:
v1 = f1(u2) + g1(u2)u1
v2 = u2
则逆为:
u1 = (v1 - f(v2))/g(v2)
u2 = v2
请注意，要计算一个逆需要除以g(乘以g逆)，所以你必须确保g的逆存在。