函数式 API 中的 Keras Multiply() 层

Question

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

Answer 1

使用keras > 2.0：

from keras.layers import multiply
output = multiply([dense_all, dense_att])

Answer 2

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。

https://keras.io/layers/merge/#multiply_1中的更多信息

Answer 3

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])