Question

我是python，深度学习和神经网络的初学者。我做了自定义激活功能。我想知道何时从Sigmoid生成自定义激活函数，我应该知道什么？我应该在哪里定义自定义激活函数的导数？

我尝试阅读有关自动差异的文章。但是我不确定keras是否会自动派生我的自定义Sigmoid吗？

我在keras / activation.py中的自定义激活功能

def tempsigmoid(x, temp=1.0):
    return K.sigmoid(x/temp)

我的模特

def baseline_model():
    # create model
    model = Sequential()
    model.add(Conv2D(101, (5, 5), input_shape=(1, 28, 28), activation='relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.2))
    model.add(Flatten())
    model.add(Dense(128, activation='relu'))
    model.add(Dense(num_classes, activation='tempsigmoid'))
    # Compile model
    model.compile(loss='mse', optimizer='adam', metrics=['accuracy'])
    return model

Answer 1

您可以在同一脚本中定义用于启动的自定义指标。

您不需要提供引号''，您可以简单地写：

model.add(Dense(num_classes, activation=tempsigmoid))

Answer 2

是的，Keras使用自动区分，因为它仅支持具有此功能的后端（例如TensorFlow）。

因此您完全不需要定义梯度或导数，它将自动为您计算。

我应该在哪里定义Keras中自定义激活函数的派生

2 个答案: