连体网络的线性变换答案

【问题标题】：linear transformation with Siamese network连体网络的线性变换
【发布时间】：2021-02-05 17:46:55
【问题描述】：

我有一个连体神经网络，我想对提取的图像应用线性变换使用 PCA 或自动编码器降低维度的功能。扁平化层后如何实现？

这是我的代码：

    input_a = Input(shape=(input_shape))
    input_b = Input(shape=(input_shape)) 

    # Convolutional Neural NetworK
    seq = Sequential()
    seq.add(Conv2D(32, (5,5), activation='relu',padding='same',input_shape=input_shape,
      kernel_initializer=initializers.RandomNormal(mean=0.0 ,stddev=0.1, seed=None),bias_initializer= initializers.Zeros()))
    seq.add(MaxPooling2D(pool_size=(2,2) ,strides=(2,2)))
    seq.add(Conv2D(64, (5,5), activation='relu',padding='same',
           kernel_initializer=initializers.RandomNormal(mean=0.0 ,stddev=0.1, seed=None),bias_initializer= initializers.Zeros()))
    seq.add(MaxPooling2D(pool_size=(2,2),strides=(2,2)))    
    seq.add(Flatten())
    

    processed_a = seq(input_a)
    processed_b = seq(input_b)
    #here i want to preform linear transformation

    L2_distance = Lambda(euclidean_distance, output_shape=eucl_dist_output_shape,name='L2')([processed_a, processed_b])    
    a = Lambda(function,output_shape=eucl_dist_output_shape,name='out1')(L2_distance)
   

    model = Model([input_a, input_b],a)

【问题讨论】：

您找到解决方案了吗？

标签： deep-learning pca autoencoder conv-neural-network siamese-network

【解决方案1】：

要在连体神经网络的末端添加线性变换层，或者更好地说是它的编码器，您可以执行以下两个步骤：

您需要构建一个自定义层。您可以使用以下一个并删除偏差项：https://keras.io/guides/making_new_layers_and_models_via_subclassing/#the-layer-class-the-combination-of-state-weights-and-some-computation
您需要在 seq.add(Flatten()) 之后添加该层

【讨论】：