python – 层之间的自定义连接Keras
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python – 层之间的自定义连接Keras,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1773字,纯文字阅读大概需要3分钟。
内容图文
![python – 层之间的自定义连接Keras](/upload/InfoBanner/zyjiaocheng/701/03a6a263c7264810acc842fc363b9cdb.jpg)
我想使用keras和Python在层之间手动定义神经网络中的连接.默认情况下,连接在所有神经元对之间.我需要建立如下图所示的连接.
我怎么能在Keras完成?
解决方法:
您可以使用功能API模型并分隔四个不同的组:
from keras.models import Model
from keras.layers import Dense, Input, Concatenate, Lambda
inputTensor = Input((8,))
首先,我们可以使用lambda图层将此输入拆分为四个:
group1 = Lambda(lambda x: x[:,:2], output_shape=((2,)))(inputTensor)
group2 = Lambda(lambda x: x[:,2:4], output_shape=((2,)))(inputTensor)
group3 = Lambda(lambda x: x[:,4:6], output_shape=((2,)))(inputTensor)
group4 = Lambda(lambda x: x[:,6:], output_shape=((2,)))(inputTensor)
现在我们关注网络:
#second layer in your image
group1 = Dense(1)(group1)
group2 = Dense(1)(group2)
group3 = Dense(1)(group3)
group4 = Dense(1)(group4)
在我们连接最后一层之前,我们连接上面的四个张量:
outputTensor = Concatenate()([group1,group2,group3,group4])
最后一层:
outputTensor = Dense(2)(outputTensor)
#create the model:
model = Model(inputTensor,outputTensor)
谨防这些偏见.如果您希望任何这些图层没有偏差,请使用use_bias = False.
老答案:倒退
对不起,我第一次回答时看到了你的图片.我保留这里只是因为它完成了……
from keras.models import Model
from keras.layers import Dense, Input, Concatenate
inputTensor = Input((2,))
#four groups of layers, all of them taking the same input tensor
group1 = Dense(1)(inputTensor)
group2 = Dense(1)(inputTensor)
group3 = Dense(1)(inputTensor)
group4 = Dense(1)(inputTensor)
#the next layer in each group takes the output of the previous layers
group1 = Dense(2)(group1)
group2 = Dense(2)(group2)
group3 = Dense(2)(group3)
group4 = Dense(2)(group4)
#now we join the results in a single tensor again:
outputTensor = Concatenate()([group1,group2,group3,group4])
#create the model:
model = Model(inputTensor,outputTensor)
内容总结
以上是互联网集市为您收集整理的python – 层之间的自定义连接Keras全部内容,希望文章能够帮你解决python – 层之间的自定义连接Keras所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。