时间戳

首页 > 解决方案 > 使用 Keras 进行 OR-Lambda-Layer 操作

python - 使用 Keras 进行 OR-Lambda-Layer 操作

问题描述

我正在使用 Keras 创建一个不同的项目，它是基于预定义知识（称为 IF-THEN 规则）的神经网络的开发，称为 Neurales。我创建了一个 Python 模块来从给定的 IF-THEN 逻辑表达式训练我的每个神经元/神经元，毕竟我需要使用 Keras 将其创建为网络并重用这个模型。

我已经用一个小例子进行了测试，它工作正常，一切都是手动添加的，权重和偏差。现在我已经更新了我的脚本，它给了我一个 JSON，其中包含要添加到 Keras 的所有权重（工作到现在）。

我的问题来了，我有一个有 20 个神经元（从 IF-THEN 创建的神经元）的第一层，但我只有 2 个可能的输出，一些神经元/神经元给了我output[0]一些output[1]，我想添加一个层 -在表示 OR 连接之间。

例如：

第 1 层：NEURON1、NEURON2、NEURON3

Output[0]由以下组成：NEURON1 or NEURON2

Output[1]由以下组成：NEURON2 or NEURON3

我在第一个小例子中所做的是：我用我预先开发的 python 模块创建并训练了一个 OR 神经元，然后用它添加了第二层。然后我将这些条目手动连接到 ORs Neurules（将权重放在正确的连接中，并在它们不应该影响 OR 时放置 0）。现在我有了更大的东西，我正在自动化整个过程。

简单网络的可视化：缓冲区只是转发值，OR 正在对输入进行 OR 操作。

图层的可视化

如何在 Keras 中创建一个 Lambda 层，它接受一些输出、处理逻辑 OR 并连接到其中一个输出？

我找到了Backend功能： tf.keras.backend.any，但是我到现在都无法使用它，我应该如何使用它？可能在 Lambda 层中，但是如何？

例如，我需要连接

(NEURON1 or NEURON4 or NEURON5)->output[0]

(NEURON3 or NEURON6 or NEURON7)->output[1]

在我的系统中，-1 代表 False，1 代表 True。到目前为止，我已经保存了哪些神经元正在使用 JSON 数组中的 2 个输出中的每一个，例如：

"secondLayerDescription": [
    [0, 1, 4, 5, 6, 8, 12, 13, 14, 16, 18], 
    [2, 3, 7, 9, 10, 11, 15, 17, 19]
]

我希望有一个人可以帮助我 ：）

编辑：给出更新，几天后我找到了一个解决方案，我将我的层分成 2 层并使用 lambda 层操作它们，如下所示：

def logical_or_layer(x):
    """Processing an OR operation"""
    import keras.backend
    #normalized to 0,1 
    aux_array = keras.backend.sign(x)
    aux_array = keras.backend.relu(aux_array)
    # OR operation
    aux_array = keras.backend.any(aux_array)
    # casting back the True/False to 1,0
    aux_array = keras.backend.cast(aux_array, dtype='float32')

    return aux_array


#this is the input tensor
inputs = Input(shape=(inputSize,))

#this is the Neurule layer
x = Dense(neurulesQt, activation='softsign')(inputs)

#after each neuron layer, the outputs need to be put into SIGNUM (-1 or 1)
x = Lambda(signumTransform, output_shape=lambda x:x, name='signumAfterNeurules')(x)

#separating into 2 (2 possible outputs)
layer_split0 = Lambda( lambda x: x[:, :end_output0], output_shape=(11, ), name='layer_split0')(x)
layer_split1 = Lambda( lambda x: x[:, start_output1:end_output1], output_shape=(9,), name='layer_split1')(x)
#this is the OR layer
y_0 = Lambda(logical_or_layer, output_shape=(1,), name='or0')(layer_split0)
y_1 = Lambda(logical_or_layer, output_shape=(1,), name='or1')(layer_split1)

但是我仍然遇到问题，我无法将它们合并在一起，我已经基于这个新主题提出了一个新问题。

标签： pythontensorflowkeraskeras-layer

解决方案

我找到了一种方法，我需要对我的 Neurules 层进行排序，拆分它们，然后，每个拆分使用一个 Lambda 层，进行一些处理，如问题的已编辑部分所示：规范化输入，使用backend.any然后将TrueorFalse返回浮动。

推荐阅读