Question

我来自tensorflow，了解更多关于keras的知识，并遇到了这种表示法。我查看了文档，但找不到任何示例。语法是在函数后接括号的变量。

model_input = Input(shape=input_shape)

z = model_input
z = Dropout(dropout_prob[0])(z) # Not sure what this means

我唯一的想法是这可能是一个图层乘法，但是我不确定谢谢您的帮助。

Answer 1

它是Keras中顺序模型的一部分；如文档here

中所述

一个图层实例是可调用的（在张量上），它返回一个张量
输入张量和输出张量可用于定义一个型号
可以像Keras顺序模型一样训练这种模型。

因此，在跟踪代码（这只是一部分）之后，首先可能要导入

from keras.layers import Input, Dropout

然后在var“ model_input”中返回张量

model_input = Input(shape=input_shape)

然后可以在张量上调用图层实例，并返回张量

z = model_input
z = Dropout(dropout_prob[0])(z) # This returns another tensor

例如，之后，您可以使用以下模型：

from keras.models import Model

model = Model(inputs=model_input, outputs=z)
model.compile(optimizer='rmsprop',
              loss='categorical_crossentropy',
              metrics=['accuracy'])
model.fit(data, labels)  # starts training

所以现在，重用经过训练的模型变得很容易：您可以通过在张量上调用任何模型，将任何模型视为一个模型，就像这样：

x = Input(shape=(784,))
y = model(x)

凯拉斯模型大厦

1 个答案: