从自定义 keras 层通过引用返回张量答案

【问题标题】：Return tensor by reference from a custom keras layer从自定义 keras 层通过引用返回张量
【发布时间】：2020-09-30 12:47:08
【问题描述】：

我创建了一个名为 Node 的自定义层，它继承自 keras.layers.Layer，该层代表神经网络中的单个节点。

我的目标是使用以下语法实现它：

n1, n2, n3 = Node(), Node(), Node()

n1(n2) # Connects n2 to n1
output1 = n1.output # activation(n1*w1 + b)

n1(n3) # Connects n3 to n1
output1 # output1 is now activation(n1*w1 + n2*w2 + b)

换句话说，Node 将出站连接存储在一个数组中，.output 应该以Tensor 形式返回这些连接的加权和（通过激活函数等），该形式会随着未来的变化而更新.

是否可以使用 keras.layers.Layer 类和 TensorFlow 来实现该行为？

【问题讨论】：

标签： tensorflow keras tensorflow2.0

【解决方案1】：

您可以使用 python 列表提供可变数量的输入，并根据输入列表长度修改输出：

图层的call 函数如下所示：

def call(self, inputs, **kwargs):
    temp = # Your original computations
    if len(inputs) == 1:
        return temp
    elif len(inputs) == 2:
        return inputs[1] + temp

然后，您的代码将变为：

n1, n2, n3 = Node(), Node(), Node()
output1 = n1([n2])
output1 = n1([n3, output1]) # Connects n3 to n1

【讨论】：