如何将逐元素舍入函数应用于 Keras 张量？答案

【问题标题】：How to apply element-wise rounding function to Keras Tensor?如何将逐元素舍入函数应用于 Keras 张量？
【发布时间】：2018-04-28 18:25:40
【问题描述】：

我正在尝试在 Keras 中编写一个 Lambda 样式的层，将之前的 1D Dense(output_len) 层中的每个权重量化到最近的 1/128 步长。

我曾尝试在 Keras 后端使用 map_tf 函数，但到目前为止我没有运气。

基本上我想要做的是将以下函数元素应用于一维输入张量：

def quantize(x):
    'Squashes x (0->1) to steps of 1/128'
    precision = 3
    base = 0.0078125 # 1/128
    if x < 0:
        x = 0
    elif x > 1:
        x = 1

    return round(base * round(float(x)/base) - 1/256, precision)

因此，例如，这将是某个预测的结果：

input (after going through the CNN):
  [0.21940812, 0.7998919 , 0.5420448 , 0.33850232 ]
output (after leaving the quantization layer):
  [0.215, 0.793, 0.535, 0.332 ]

我正在努力实现的目标可能吗？

谢谢。

【问题讨论】：

标签： python tensorflow deep-learning keras

【解决方案1】：

我会这样做：

import tensorflow as tf
from keras.models import Model
from keras.layers import Input, Lambda
import keras.backend as K
import numpy as np

def quantize(x):
    'Squashes x (0->1) to steps of 1/128'
    precision = 3
    base = 0.0078125 # 1/128
    x = K.clip( x, min_value = 0.0, max_value = 1.0 )
    return K.round( 1000 * ( base * K.round( x / base ) - 1.0 / 256 ) ) / 1000

a = Input( shape = ( 4, ) )
b = Lambda( quantize )( a )
model = Model( inputs = a, outputs = b )
print ( model.predict( np.array( [ [0.21940812, 0.7998919 , 0.5420448 , 0.33850232 ] ] ) ) )

输出：

[[0.215 0.79300004 0.535 0.33200002]]

如果你能忍受舍入误差...

【讨论】：