如何将tensorflow对象包装为Keras层？

Question

我想将Hierarchical Multiscale LSTM实现为Keras层 它已发布here并在张量流here中实施 我的理解是，有一种方法可以将Keras中的这种张量流对象包装为一个层。我不确定它有多复杂，但我认为这是可行的。你能帮我怎么做吗？

Answer 1

这通常由implementing a custom Layer完成。更具体地说，您应该继承keras.engine.topology.layer并为以下方法提供自定义实现（并将TensorFlow代码放在其中）：

  

  
• build(input_shape)：您可以在此处定义权重。此方法必须设置self.built = True，这可以通过调用来完成   super([Layer], self).build()
  
• call(x)：这是图层逻辑的存在。除非您希望您的图层支持屏蔽，否则您只需要关心第一个图层   传递给调用的参数：输入张量。
  
• compute_output_shape(input_shape)：如果您的图层修改了输入的形状，则应在此处指定形状   转型逻辑。这使Keras能够自动成型   推断。
  

由于您正在尝试实现循环图层，因此直接从keras.legacy.layers.recurrent继承也很方便。在这种情况下，您可能不需要重新定义compute_output_shape(input_shape)。如果您的图层需要其他参数，则可以将它们传递给自定义图层的__init__方法。