如何从 Keras 中的神经网络输出二维矩阵，并为每一列应用 softmax？答案

【问题标题】：How to output a 2-D matrix from a neural network in Keras with softmax applying for each column?如何从 Keras 中的神经网络输出二维矩阵，并为每一列应用 softmax？
【发布时间】：2019-05-21 21:27:16
【问题描述】：

我正在尝试实现一个神经网络，它为每列输出一个带有 softmax 激活的二维矩阵。

我已经用下面的代码做到了，但是当列数增加时它似乎很慢。

input = Input(shape=[100])
h1 = Dense(200, activation='relu')(input)
output = []
for i in range(n_cols):
    output.append(Dense(n_rows, activation='softmax')(h1))
outputs = concatenate(output, axis=1)
model = Model(inputs=input, outputs=output)

有人可以向我建议更快的方法吗？任何帮助将不胜感激。

【问题讨论】：

标签： python-3.x tensorflow keras neural-network

【解决方案1】：

您可以尝试使用list comprehension，众所周知，它通常比 for 循环快。

代替：

output = []
for i in range(n_cols):
    output.append(Dense(n_rows, activation='softmax')(h1))

你可以试试：

output = [(Dense(n_rows, activation='softmax')(h1)) for i in range(n_cols)]

不过，一般来说，添加的列越多，速度就越慢。

【讨论】：

谢谢，速度有点快，但是列数大的时候还是很慢。您对矩阵中的处理有任何想法吗，例如输出中所有列的softmax？
我不知道。您可能会考虑使用 Keras 的后端之一而不是 Keras。