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

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