如何处理神经网络的函数？答案

【问题标题】：How do I deal with a function of a neural network?如何处理神经网络的函数？
【发布时间】：2023-03-16 03:44:01
【问题描述】：

我是深度学习的新手，我使用带有 tensorflow 后端的 keras。

无论如何，我有一个带有 N 个输入和输出（x_i, y_i）的训练集。我的模型首先构建了一个神经网络，比如说F，然后使用函数g得到y。换句话说，y=g(F(x)) 其中F 是一个神经网络，g 是一个函数，可能不可逆。

有没有办法使用 keras 构建这样的模型？为简化起见，令 y=3xF(x)+x。我想训练这样的模型而不改变像 (y_i-x_i)/(3x_i) 这样的训练输出。

【问题讨论】：

标签： python keras neural-network deep-learning

【解决方案1】：

是的，您可以使用 Keras 函数式 API 来定义您的模型，并使用 Keras 后端调用函数来乘以张量。确保 x 和 F(x) 具有相同的形状，以便您可以将它们相乘。您可以定义 Lambda 层以确保您的输出是 Keras 层。

例如，假设我们的函数 F(x) = Sin((x-1)^2);我们要计算 x*F(x)+x

定义：

from keras.layers import Input,Lambda
from keras.models import Model
import keras.backend as K

def custom_function(x):
    return K.sin((x-1)*(x-1))+x



def create_model(shape=(10,10,10)):
    x=Input(shape)
    logits=Lambda(custom_function)(x)
    logits= keras.layers.multiply([x,logits])
    logits = keras.layers.add([logits,x])
    model = Model(inputs=x, outputs=logits)
    return model

您需要做的就是确保形状一致，以便我们可以将它们相加和相乘。

有关功能性 API 的更多信息，请查看：https://keras.io/models/model/

【讨论】：

是否可以使用自定义函数g代替加法和乘法？
是的，您只需要能够使用 keras 后端或 tensorflow ops 定义函数 G
哦，我明白了。谢谢！
我认为不支持 3*x*logits+x 因为结果不是层。相反，我们应该使用 keras.layers.Add() keras.layers.Multiply() 请检查一下。
不需要是层；在功能 API 中，您只需使用 TF ops 操作张量。正如我指出的那样，问题可能是形状无法解决。除非它们的形状相同，否则不能将 x 与 f(x) 相乘