如何在 R 中 Keras 的输出层中使用不同的激活答案

【问题标题】：How to use different activations in output layer in Keras in R如何在 R 中 Keras 的输出层中使用不同的激活
【发布时间】：2020-03-15 01:18:46
【问题描述】：

我想在 R 的 Keras 接口的输出层中组合更多类型的激活。另外，我想对不同的输出使用不同的损失函数。假设我想让前两个神经元与 MSE 损失呈线性关系，第二个神经元 sigmoid 与 BCE 损失，最后一个输出将是具有 MAE 损失的 relu。现在我有了这个，但它不工作：

model <- keras_model_sequential()

model %>% layer_dense(units=120, activation="selu", 
           input_shape=dim(X)[2]) # this is hidden layer, this works fine

model %>% layer_dense(units=120, activation=as.list(c(rep("linear",2), 
            rep("sigmoid",2), "relu"))) # output layer which is not working

model %>% compile(loss=as.list(c(rep("mean_squared_error",2), 
             rep("binary_crossentropy",2), "mean_absolute_error")), # problem here ?
             optimizer=optimizer_adam(lr=0.001) ,metrics = "mae")

然后我用model %>% fit(...) 拟合模型。

错误如下：

Error in py_call_impl(callable, dots$args, dots$keywords) : 
  ValueError: When passing a list as loss, it should have one entry per model outputs. 
  The model has 1 outputs, but you passed loss=['mean_squared_error', 'mean_squared_error', ...

感谢任何帮助。

EDIT ：仅重写代码，以便更好地阅读。

【问题讨论】：

标签： r tensorflow keras loss-function activation-function

【解决方案1】：

我认为，如果您想拥有多个输出，则需要使用函数式（即而不是顺序）API - 在此处查看一些示例：https://keras.rstudio.com/articles/functional_api.html

【讨论】：

那么差异会仅仅在于实现，还是在于背后的数学？谢谢。
我认为数学是一样的——函数式 API 比顺序式 API 灵活得多，后者（顾名思义）只允许构建顺序网络，其中层线性馈入下一个。使用函数式 API，您可以使用顺序 API 完成所有可能的事情，但您可以使用后者做更多事情。