我正在尝试在Keras(带有tensorflow后端)中编写一个自定义层,以使某些位置变为二进制。
例如,假设我有[0.6,0.8,0.9,0.2]并且位置1和3必须为二进制,我想有一个输出[0.6,1,0.9,0]的层
例如输出[pos]> 0.5,然后输出[pos] = 1,否则输出[pos] = 0
我写了这个,但是根本没用...
Binds
@IntoMap
@ViewModelKey(ModeMenuViewModel::class)
abstract fun bindModeMenuViewModel(modeMenuViewModel: ModeMenuViewModel): ViewModel
这里是我编写的功能
...Layers of the net...
x = Lambda(self.adjust_positions)(x)
我得到的错误是:
def update_1(self, x, pos):
with tf.control_dependencies([tf.assign(x[pos],[1])]):
return tf.identity(x)
def update_0(self, x, pos):
with tf.control_dependencies([tf.assign(x[pos],[0])]):
return tf.identity(x)
def adjust_positions(self, x):
for pos in indexes:
tf.cond(tf.gather(x, pos)<[0.5], self.update_0(x, pos), self.update_1(x,pos))
return x
如何实现此功能?我所做的是合理的吗?