我正在研究使用TensorFlow来实现一个实验性的AI算法，该算法使用动态神经网络，允许系统扩展（删除和添加）层以及层的宽度。应该如何着手进行这项工作？

后续问题是，如果我想让这些网络具有层次结构，使它们收敛到两个值（分类器和对其确信程度的估计）。例如，如果神经网络无法解释的方差很大，它可能会给出0.4分（满分为1）作为分类器，同时还给出一个“确信”值，表示神经网络对估计的“感觉”如何。与我们人类相比，我们可以理解一个概念并评估我们的自信程度。我也希望这种层次结构是动态的，可以将子网络连接在一起，也可以断开连接，甚至完全从系统中移除它们。

我的主要问题是：我应该在TensorFlow中进行这个实验吗？

我明白这不是一个真正的技术问题。但如果您觉得这个问题超出了范围，请尝试将其编辑为更客观的问题。

回答：

我不知道这在TensorFlow中是否可行以及如何实现。但存在一些特定的“动态”深度学习库，可能更适合您的用例。例如，PyTorch。