Question

如何将1D-Convolutional Layer表示为操作？例如，像这样的完全连接的层：

model = Sequential([

    Dense(32, batch_input_shape=(None,100), init='he_normal', activation='relu),

    Dense(1, init='he_normal', activation='linear)
])

可以写成这样的函数：

def pred(inputs,model_weights):

    weights=np.vstack([model_weights[0],model_weights()[1]]) 

    inputs=np.hstack([inputs,np.zeros(inputs.shape[0]).reshape(inputs.shape[0],1)])

    inputs[:,-1]=1

    prediction=np.dot(inputs,weights) 

    prediction[prediction<0]=0              ### RELU after 1st layer

    weights=np.vstack([model_weights[2],model_weights[3]])

    prediction=np.hstack([prediction,np.zeros(prediction.shape[0]).reshape(prediction.shape[0],1)])

    prediction[:,-1]=1

    prediction=np.dot(prediction,weights)

    return prediction


weights_from_model = model.get_weights()

x=test_data

pred(x,weights_from_model)

首先，我是否正确理解了密集层？

其次，您如何表示CNN层，如下面的代码中那样？

model = Sequential([

    InputLayer(batch_input_shape=(None,100,1)),

    Convolution1D(nb_filter=16, filter_length=8, activation='relu', border_mode='same', init='he_normal', input_shape=(None,100,1)),

    Convolution1D(nb_filter=32, filter_length=8, activation='relu', border_mode='same', init='he_normal'), 

    MaxPooling1D(pool_length=4),

    Flatten(),

    Dense(output_dim=32, activation='relu', init='he_normal'),

    Dense(output_dim=1, input_dim=32, activation='linear'),
])

创建此函数对于我的项目是必要的，以便定义Theano函数（尽管我使用Tensorflow训练权重），它返回输出数据的输出的雅可比矩阵。权重已经过训练和设置，只需将图层放在python函数中即可。

*** EDIT

如何将偏差权重添加到CNN图层？

例如，我的第一个图层有尺寸：（8,1,1,16）

偏向尺寸：（16）

这很容易连接在一起以获得尺寸：（9,1,1,16）

但是对于下一层我有尺寸：（8,1,16,32）

偏见尺寸：（32）

如何将其组合成一个权重矩阵？

Keras CNN层作为一种功能

0 个答案: