级联向量的 Keras L2 归一化答案

【问题标题】：Keras L2 normalisation of concatenated vectors级联向量的 Keras L2 归一化
【发布时间】：2020-03-27 12:27:01
【问题描述】：

我正在尝试在 Keras 中构建一个网络，该网络应该分别输出两个维度为 3 和 4 的单位长度向量，并且目前正在使用维度为 7 的最终密集层来实现这一点。我现在的问题是，我现在知道如何在这之后添加一个图层，分别标准化两个向量的长度。据我了解，通常可以使用类似

的方式对矢量输出进行归一化

l2_norm = Lambda(lambda  x: K.l2_normalize(x,axis=1))(prevDense)

但不清楚如何改变这两个分别对待两个“半”。有什么想法吗？

【问题讨论】：

标签： tensorflow machine-learning keras keras-layer

【解决方案1】：

您似乎想使用Lambda 层先对张量进行切片，然后再进行归一化。在这种情况下，您可以执行以下操作：

# slicing the tensors
slice1 = Lambda(lambda x: x[:,:4])(prevDense)
slice2 = Lambda(lambda x: x[:,:3])(prevDense)

l2_norm_slice1 = Lambda(lambda  x: K.l2_normalize(slice1,axis=1))(slice1)
l2_norm_slice2 = Lambda(lambda  x: K.l2_normalize(slice2,axis=1))(slice2)

希望这会有所帮助！

【讨论】：