Question

我需要更改张量的某些元素的值。我知道什么元素-它们已经在布尔张量中。

我看不到如何在keras代码中做到这一点。但是，如果我使用TensorFlow代码，我将执行以下操作：

Conditional assignment of tensor values in TensorFlow

在 python numpy 中，代码如下所示：

x = np.zeros_like(sometensor) 
x[sometensor>0.5] = 1.0

在Keras代码中（并且我正在使用TF后端），这是我的最佳尝试（无效）：

encoder_outputs_bin = k.backend.zeros_like(encoder_outputs, name="encoder_outputs_bin")
point_five = k.backend.constant(0.5, shape=k.backend.shape(encoder_outputs), name="point_five")
positives = k.backend.greater_equal(encoder_outputs, point_five)
encoder_outputs_bin[positives].assign(tf.ones(1)) # TF syntax -- might not work in keras

Answer 1

这个答案不是真正的“分配”，它是另一个张量，但我相信它会做到...

此外，您打算做的将完全破坏这些元素的反向传播。

知道这一点：

positives = k.backend.greater_equal(encoder_outputs, 0.5)
positives = k.backend.cast(positives, k.backend.floatx())

encoder_outputs = positives + ((1-positives)*encoder_outputs)

Answer 2

激活中的lambda函数对我有用。比简单地使用内置激活功能要复杂得多。

encoder_outputs = Dense(units=latent_vector_len, activation=k.layers.Lambda(lambda z: k.backend.round(k.layers.activations.sigmoid(x=z))), kernel_initializer="lecun_normal")(x)

此代码将Dense的输出从Reals更改为0.1（即二进制）。

Keras发出警告，但代码仍然有效。

# Look it works!

y = encoder_model.predict(x=x_in)
print(y)

>>>[[1. 0. 0. 1. 0. 1. 0. 0.]]

在Keras代码中：为某些张量元素分配新值

2 个答案: