Question

我的目的是在keras中创建一个自定义图层，其权重矩阵的维度大于输入（输出维度相同），而额外的参数用于处理函数（权重％*％输入）。该函数不是用tensorflow编写的，这样做会非常繁琐，所以我尝试使用tensorflow的py_func。但是，NN打破了“ValueError：None values not supported”。

我自己的图层的主代码是Dense的代码，有一些更改。 W是具有维度[input_dim + n，output_dim]的权重矩阵。假设有一个带有n个参数的通用函数“func”，它应该在（W％*％Input）上进行求值。

def func(self,output):  
      do something
      return something

现在我们将这个函数包装在call：

中

def call(self, x, mask=None):
      output = K.dot(x, self.W[self.n:,:])
      if self.use_bias:
            output = K.bias_add(output, self.bias)
      if self.activation is not None:
            output = tf.reshape(tf.py_func(self.func,[output],tf.float32),(-1,self.units))
            output = self.activation(output)
      return output

self.activation中出现“None”错误。 py_func在使用自己的会话时运行良好，但似乎这种嵌入Keras层不会提供预期的结果。如果func(x)=x*x，它也会失败。

在tensorflow中包装一般的python函数

0 个答案: