使用Keras实现Tensor的相乘和相加代码 - CSDN文库

136 浏览量更新于2023-05-11 评论收藏 65KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

使用使用Keras实现实现Tensor的相乘和相加代码的相乘和相加代码

主要介绍了使用Keras实现Tensor的相乘和相加代码，具有很好的参考价值，希望对大家有所帮助。一起跟随小

编过来看看吧

前言前言

最近在写行为识别的代码，涉及到两个网络的融合，这个融合是有加权的网络结果的融合，所以需要对网络的结果进行加权

（相乘）和融合（相加）。

最初的想法最初的想法

最初的想法是用Keras.layers.Add和Keras.layers.Multiply来做，后来发现这样会报错。

rate_rgb = k.variable(np.ones((1024,),dtype='float32')*0.8)

rate_esti = k.variable(np.ones((1024,),dtype='float32')*0.2)

weight_gru1 = Multiply()([rate_rgb,gru1])

weight_gru2 = Multiply()([rate_esti,gru2])

last = Add()([weight_gru1,weight_gru2])

这么写会报错，如下

AttributeError: 'Variable' object has no attribute '_keras_history'

正确做法正确做法

后来在网上参考大神的博客，改为如下

weight_1 = Lambda(lambda x:x*0.8)

weight_2 = Lambda(lambda x:x*0.2)

weight_gru1 = weight_1(gru1)

weight_gru2 = weight_2(gru2)

last = Add()([weight_gru1,weight_gru2])

这样就没问题了。

补充知识：补充知识：Keras天坑：想当然的对层的直接运算带来的问题天坑：想当然的对层的直接运算带来的问题

天坑天坑

keras如何操作某一层的值（如让某一层的值取反加1等）？keras如何将某一层的神经元拆分以便进一步操作（如取输入的向

量的第一个元素乘别的层）？keras如何重用某一层的值（如输入层和输出层乘积作为最终输出）？

这些问题都指向同一个答案，即使用Lambda层。

另外，如果想要更加灵活地操作层的话，推荐使用函数式模型写法，而不是序列式。

Keras当中，任何的操作都是以网络层为单位，操作的实现都是新添一层，不管是加减一个常数还是做乘法，或者是对两层的

简单拼接。所以，将一层单独劈一半出来，是一件难事。强调，Keras的最小操作单位是Layer，每次操作的是整个batch。自

然，在keras中，每个层都是对象，可以通过dir(Layer对象)来查看具有哪些属性。然而，Backend中Tensorflow的最小操作单

位是Tensor，而你搞不清楚到底是Layer和Tensor时，盲目而想当然地进行层的操作，就会出问题。到底是什么？通过type和

shape是看不出来的。

如果你只是想对流经该层的数据做个变换，而这个变换本身没有什么需要学习的参数，那么直接用Lambda Layer是最合适的

了。

也就是说，对每一层的加减乘除都得用keras的函数，你不能简单使用形如 ‘new_layer' =1−= 1-=1−'layer'这样的表达方式来对

层进行操作。

当遇到如下报错信息：

AttributeError: 'NoneType' object has no attribute '_inbound_nodes'

或

TypeError: 'Tensor' object is not callable

等等

这是就要考虑一下将程序中层的操作改成Lambda的方式表达。

使用Lambda编写自己的层

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

评论0

weixin_38693173

粉丝: 4
资源: 948

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈