我正在学习在张量流中制作自定义层,但无法找到例如如何添加可训练的权重
class Linear(layers.Layer):
def __init__(self, units = 32, **kwargs):
super().__init__(kwargs)
self.units = units
def build(self, input_shape):
self.layer = layers.Dense(self.units, trainable= True)
super().build(input_shape)
def call(self, inputs):
return self.layer(inputs)
现在如果我这样做
linear_layer = Linear(8)
x = tf.ones(shape =(4,3))
y = linear_layer(x)
print(linear_layer.trainable_variables)
我得到一个空矩阵,因此在梯度计算期间我没有得到任何梯度,我的问题是如何以默认 keras 层也可以训练的方式创建自定义层。还有一件事,如果我做 linear_layer.weights 那么它会给我权重,这意味着可训练的权重存在一些问题。 我的思绪停留在那个
答案 0 :(得分:1)
要获得可训练的变量,您必须访问自定义层的“层”属性:
df.loc[(df['state'] != 'Illinois') & (df['city'] =='Phoenix '), 'city-south'] = 'Another new entry'
请注意,您只是在 build 方法中创建了一个 pre_built 层(Dense),而不是创建自定义层的权重。查看链接 https://www.tensorflow.org/tutorials/customization/custom_layers