其他问题：

Question

我正在使用keras编写测试模型，我想在其中进行一些数学运算，具体取决于图层及其衍生物的输出的数值。

我正在使用tensorflow后端。我使用K.function来获取Lambda层和派生层的输出值。但是，如果我选择Lambda层中的函数作为幂函数，则会出现一些奇怪的错误，例如x ** 2。如果我将x ** 2更改为sin（x），则可以正常工作。

directConnect: true,

然后我使用backend.function定义一个函数以获得图层输出

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

x = Input(shape=(1,))

# the Lambda layer 
c = Lambda(lambda x: x**2)(x)     # this will causs err
#c = Lambda(lambda x: K.sin(x))(x) # but this works fine


class dc_layer(Layer):

    def __init__(self,*args,**kwargs):
        self.is_placeholder = True
        super(dc_layer, self).__init__(*args,**kwargs)

    def call(self,inputs):
        x = inputs[0]
        c0 = inputs[1]
        c1 = K.gradients(c0,x)
        return c1

# the derivatives of the lambda layer    
c1 = dc_layer()([x,c])
c2 = dc_layer()([x,c1])

我在jupyter笔记本中收到以下错误消息

# define a function to get the derivatives
get_layer_outputs = K.function([x],[c2])

x_data = np.linspace(0,1,6)
val = get_layer_outputs([x_data])[0]
print(val)

哪个回击

InvalidArgumentError: data[0].shape = [1] does not start with indices[0].shape = [2]

但是如果我看一下c1层

---> 36 val = get_layer_outputs([x_data])[0]

它工作正常。

我猜我在使用K.function时出了点问题。任何解决方案/建议将不胜感激。

================================================ =======

其他问题：

即使我尝试了一个非常简单的代码，使用K.function时也会出错，如下所示

# define a function to get the derivatives
get_layer_outputs = K.function([x],[c1])

x_data = np.linspace(0,1,6)
val = get_layer_outputs([x_data])[0]
print(val)

我知道了

x = Input(shape=(1,))
h = Dense(10,activation='sigmoid')(x)
c = Dense(1)(h)

get_layer_outputs = K.function([x],[c])

x_data = np.linspace(0,1,6)
val = get_layer_outputs([x_data])[0]
print(val)

现在，我对如何正确使用K.function感到非常困惑。如果您有任何想法请帮助。谢谢！

Answer 1

对我来说这行得通-您的x_data向量为0维：

import numpy as np

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

x = Input(shape=(1,))

# the Lambda layer 
c = Lambda(lambda x: x**2)(x)     # this will causs err
#c = Lambda(lambda x: K.sin(x))(x) # but this works fine


class dc_layer(Layer):

    def __init__(self,*args,**kwargs):
        self.is_placeholder = True
        super(dc_layer, self).__init__(*args,**kwargs)

    def call(self,inputs):
        x = inputs[0]
        c0 = inputs[1]
        c1 = K.gradients(c0,x)
        return c1

# the derivatives of the lambda layer    
c1 = dc_layer()([x,c])  # in Keras 2.0.2 need to unpack results, Keras 2.2.4 seems fine.
c2 = dc_layer()([x,c1])

# define a function to get the derivatives
get_layer_outputs = K.function([x],[c2])

x_data = np.linspace(0,1,6)[:,None] # ensure vector is 1D, not 0D
val = get_layer_outputs([x_data])[0]
print(val)

输出：

[[2.]
 [2.]
 [2.]
 [2.]
 [2.]
 [2.]]

与K.gradients一起使用K.function时出错

其他问题：

1 个答案: