限制 Keras 中层的输出值

Question

我在下面的代码中定义了我的 MLP。我想提取layer_2的值。

def gater(self):
    dim_inputs_data = Input(shape=(self.train_dim[1],))
    dim_svm_yhat = Input(shape=(3,))
    layer_1 = Dense(20,
                    activation='sigmoid')(dim_inputs_data)
    layer_2 = Dense(3, name='layer_op_2',
                    activation='sigmoid', use_bias=False)(layer_1)
    layer_3 = Dot(1)([layer_2, dim_svm_yhat])
    out_layer = Dense(1, activation='tanh')(layer_3)
    model = Model(input=[dim_inputs_data, dim_svm_yhat], output=out_layer)
    adam = optimizers.Adam(lr=0.01)
    model.compile(loss='mse', optimizer=adam, metrics=['accuracy'])
    return model

假设layer_2的输出为矩阵形式

0.1 0.7 0.8
0.1 0.8 0.2
0.1 0.5 0.5
....

我希望将下面的内容送入 layer_3 而不是上面

0 0 1
0 1 0
0 1 0

基本上，我希望将第一个最大值转换为 1，将其他最大值转换为 0。 这在 keras 中如何实现？

Answer 1

谁决定输出值的范围？

神经网络中任何层的输出范围由用于该层的激活函数决定。例如，如果您使用tanh 作为激活函数，您的输出值将被限制为[-1,1]（并且这些值是连续的，请检查值如何从[-inf,+inf]（x 轴上的输入）映射到@ 987654325@（y轴输出）here，理解这一步很重要）

您应该做的是添加一个自定义激活函数，将您的值限制为阶跃函数，即 [-inf, +inf] 为 1 或 0，并将其应用于该层。

我怎么知道要使用哪个函数？

您需要创建满足您所有需求的y=some_function（输入到输出的映射）并将其转换为 Python 代码，就像这样：

from keras import backend as K

def binaryActivationFromTanh(x, threshold) :

    # convert [-inf,+inf] to [-1, 1]
    # you can skip this step if your threshold is actually within [-inf, +inf]

    activated_x = K.tanh(x)

    binary_activated_x = activated_x > threshold

    # cast the boolean array to float or int as necessary
    # you shall also cast it to Keras default
    # binary_activated_x = K.cast_to_floatx(binary_activated_x)

    return binary_activated_x

制作完你的自定义激活函数后，就可以像这样使用了

x = Input(shape=(1000,))
y = Dense(10, activation=binaryActivationFromTanh)(x)

现在测试这些值，看看您是否获得了预期的值。您现在可以将这部分放入更大的神经网络中。

我强烈不鼓励添加新层以增加对输出的限制，除非它仅用于激活（例如 keras.layers.LeakyReLU）。

Answer 2

在两者之间使用 Numpy。下面是一个随机矩阵的例子：

  a = np.random.random((5, 5)) # simulate random value output of your layer
  result = (a == a.max(axis=1)[:,None]).astype(int)

另请参阅此线程：Numpy: change max in each row to 1, all other numbers to 0

然后将result 作为输入输入到下一层。

为了包装 Numpy 计算，您可以使用 Lambda 层。在此处查看示例：https://keras.io/layers/core/#lambda

编辑：

建议不起作用。我保留答案只是为了保留相关的 cmets。