[英]Keras Multiply() layer in functional API
在新的 API 变化下,如何在 Keras 中进行元素级的层乘法? 在旧的 API 下,我会尝试这样的事情:
merge([dense_all, dense_att], output_shape=10, mode='mul')
我试过这个(MWE):
from keras.models import Model
from keras.layers import Input, Dense, Multiply
def sample_model():
model_in = Input(shape=(10,))
dense_all = Dense(10,)(model_in)
dense_att = Dense(10, activation='softmax')(model_in)
att_mull = Multiply([dense_all, dense_att]) #merge([dense_all, dense_att], output_shape=10, mode='mul')
model_out = Dense(10, activation="sigmoid")(att_mull)
return 0
if __name__ == '__main__':
sample_model()
完整跟踪:
Using TensorFlow backend.
Traceback (most recent call last):
File "testJan17.py", line 13, in <module>
sample_model()
File "testJan17.py", line 8, in sample_model
att_mull = Multiply([dense_all, dense_att]) #merge([dense_all, dense_att], output_shape=10, mode='mul')
TypeError: __init__() takes exactly 1 argument (2 given)
编辑:
我尝试实现 tensorflow 的元素乘法函数。 当然,结果不是一个Layer()
实例,所以它不起作用。 这是对后代的尝试:
def new_multiply(inputs): #assume two only - bad practice, but for illustration...
return tf.multiply(inputs[0], inputs[1])
def sample_model():
model_in = Input(shape=(10,))
dense_all = Dense(10,)(model_in)
dense_att = Dense(10, activation='softmax')(model_in) #which interactions are important?
new_mult = new_multiply([dense_all, dense_att])
model_out = Dense(10, activation="sigmoid")(new_mult)
model = Model(inputs=model_in, outputs=model_out)
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
return model
使用keras
> 2.0:
from keras.layers import multiply
output = multiply([dense_all, dense_att])
在函数式 API 下,您只需使用multiply
函数,注意小写的“m”。 如您所见,Multiply 类是一个层,旨在与顺序 API 一起使用。
您需要在前面再添加一个左括号。
from keras.layers import Multiply
att_mull = Multiply()([dense_all, dense_att])
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.