Question

我制作了一个模型，最终将输出3 x 10的张量。之所以将其设为3 x 10是因为词汇量为10，并且一个序列中有3个元素（这是一个序列多标签）分类问题）。该张量需要以某种方式被软最大化为1x10张量。有人可以给我有关可用方法的解释，也许还可以给我一些Keras示例吗？

我在Keras中看到了一些合并方法，例如平均值或加法。在这种情况下，这些可能有用，但似乎需要两个或多个张量作为输入。因此，我可能需要将3 x 10张量拆分为3个张量1 x 10并平均。也许有更好的方法可以实现这一目标？

Answer 1

实现所需目标的一种简单方法是使用最终的1x1卷积层。
具有1×1卷积核的图层允许将3x10张量合并为1x10，并且同时在训练中学习融合权重。

添加此层：

   output = Conv2D(1, (1, 1), activation='your_activation')(your_3x10_tensor)

希望这是您正在寻找的解决方案！