Keras 根据阈值将中间层的输出设置为 0 或 1

Question

我有一个像零件一样具有“分类”和“回归”的模型。 我使用乘法层合并它们。 在执行乘法之前，我想根据阈值将分类部分的输出设置为 0 或 1。 我尝试使用带有自定义函数的 Lambda 层，如下所示，但是我遇到了各种错误，我对这些错误一无所知。 我一边走一边一一解决它们并没有增加我的理解。 谁能解释如何定义修改值的自定义 Lambda 层函数？

我当前的 Lambda 层函数：（由于FailedPreconditionError: Attempting to use uninitialized value lstm_32/bias无法工作）

def func(x):    
    a = x.eval(session=tf.Session())
    a[x < 0.5] = 0
    a[x >= 0.5] = 1
    return K.variable(a)

回归部分：

input1 = Input(shape=(1, ))
model = Sequential()
model.add(Embedding(vocab_size + 1, embedding, input_length=1))
model.add(LSTM(hidden, recurrent_dropout=0.1, return_sequences=True))
model.add(LSTM(6))
model.add(Reshape((3,2)))
model.add(Activation('linear'))

分类部分：

input2 = Input(shape=(1, ))
model2 = Sequential()
model2.add(Embedding(vocab_size + 1, embedding, input_length=1))
model2.add(LSTM(hidden, recurrent_dropout=0.1, return_sequences=True))
model2.add(LSTM(1))
model2.add(Activation('sigmoid'))
model2.add(???)  # need to add 0-1 thresholding here

合并两部分：

reg_head = model(input1)
clf_head = model2(input2)    
merge_head = multiply(inputs=[clf_head, reg_head])
m2 = Model(inputs=[input1, input2], outputs=merge_head)

Answer 1

在func ，您无法eval张量。

使用张量的想法是它们在整个模型中从头到尾保持“连接”（他们称之为图）。 这种连接允许模型计算梯度。 如果您评估张量并尝试使用这些值，您将断开连接。

此外，为了获取张量的实际值，您需要输入数据。 并且输入数据仅在您调用fit 、 predict和类似方法时才会存在。 在构建阶段，没有数据，只有表示和连接。

仅使用张量的可能函数是：

def func(x):

    greater = K.greater_equal(x, 0.5) #will return boolean values
    greater = K.cast(greater, dtype=K.floatx()) #will convert bool to 0 and 1    
    return greater 

不过要小心！ 这将无法区分。 从现在开始，这些值将被视为模型中的常量。 这意味着在此之前的权重不会在训练期间更新（您不会通过m2训练分类模型，但您仍然可以从model2训练它）。 有一些奇特的解决方法，如果您需要它们，请写评论。

在Lambda层中使用此函数：

model.add(Lambda(func, output_shape=yourOutputShapeIfUsingTheano))