Question

我有一个非常简单的问题，似乎在Keras中没有内置解决方案。

下面＆＃39;我的问题：

我有一个（50，）尺寸张量（第1层输出），它应该乘以（50,49）维张量。

这些张量是某些图层的输出。

我认为简单的乘法（[layer1，layer2]）会起作用，但事实证明它们需要张量具有相同的形状。

我试图得到这个：（50，）层的每个元素应该乘以（50,49）层中的每个49维向量，给出输出为（50,49）张量。

任何方式都可以在Keras完成？

Answer 1

新答案，将layer2视为（50,49）

在这里，您需要为layer2中的每一行添加标量乘法。然后我们将把“50”视为批次的一部分，并实际上将形状（1,1）与形状（49,1）进行乘法运算。为了使batch_dot中的50分开，我们将使用-1作为通配符重构lambda函数内的内容：

out = Lambda(myMultiplication, output_shape=(50,49))([layer1,layer2])

其中

import keras.backend as K

def myMultiplication(x):

    #inside lambda functions, there is an aditional axis, the batch axis. Normally, we use -1 for this dimension. We can take advantage of it and simply hide the unwanted 50 inside this -1. 

    L1 = K.reshape(x[0], (-1,1,1))
    L2 = K.reshape(x[1], (-1,49,1))

    result = K.batch_dot(L1,L2, axes=[1,2])

    #here, we bring the 50 out again, keeping the batch dimension as it was originally   
    return K.reshape(result,(-1,50,49))

旧答案，当我认为layer2是（49，）而不是（50,49）

时

您需要一个batch_dot的lambda图层（用于自定义函数）。

批处理点是实际的矩阵乘法，而乘法是元素乘法。为此，您应该将矢量重新整形为矩阵，将其中一个转换为矩阵，以实现您想要的乘法。

所以：

layer1 = Reshape((1,50))(layer1)
layer2 = Reshape((49,1))(layer2)
out = Lambda(myMultiplication, output_shape=(50,49))([layer1,layer2])

其中

import keras.backend as K

def myMultiplication(x):
    return K.batch_dot(x[0],x[1],axes=[1,2])

称重在Keras的张量

1 个答案:

新答案，将layer2视为（50,49）

旧答案，当我认为layer2是（49，）而不是（50,49）