Question

我是深度学习的新手，并且使用带有tensorflow后端的keras。

无论如何，我有一个带有 N 输入和输出（ x_i，y_i ）的训练集。我的模型首先构造一个神经网络，称为 F ，然后使用函数 g 获得 y 。换句话说， y = g（F（x））其中， F 是一个神经网络，而 g 是一个函数，可能是不可逆的。

是否有一种使用keras构造这种模型的方法？为简化起见，让 y = 3xF（x）+ x 。我想训练这种模型而无需更改训练输出，例如（y_i-x_i）/（3x_i）。

Answer 1

是的，您可以使用Keras功能API定义模型，并使用Keras后端调用函数以倍增张量。确保x和F（x）具有相同的形状，以便可以将它们相乘。您可能会定义Lambda图层，以确保您的输出是Keras图层。

例如，假设我们的函数F（x）= Sin（（x-1）^ 2）;我们要计算x * F（x）+ x

定义：

from keras.layers import Input,Lambda
from keras.models import Model
import keras.backend as K

def custom_function(x):
    return K.sin((x-1)*(x-1))+x



def create_model(shape=(10,10,10)):
    x=Input(shape)
    logits=Lambda(custom_function)(x)
    logits= keras.layers.multiply([x,logits])
    logits = keras.layers.add([logits,x])
    model = Model(inputs=x, outputs=logits)
    return model

您需要做的就是确保形状一致，以便我们可以相加并相乘。

有关功能API的更多信息，请参见：https://keras.io/models/model/

如何处理神经网络的功能？

1 个答案: