tensorflow - 级联向量的 Keras L2 归一化

Question

我正在尝试在 Keras 中构建一个网络，该网络应分别输出两个维度为 3 和 4 的单位长度向量，并且目前正在使用维度为 7 的最终密集层来实现这一点。我现在的问题是，我现在知道如何在此之后添加一个图层，分别标准化两个向量的长度。据我了解，通常可以使用类似的东西来规范化矢量输出

l2_norm = Lambda(lambda  x: K.l2_normalize(x,axis=1))(prevDense)

但不清楚如何改变这两个分别对待两个“半”。有任何想法吗？

标签： tensorflowmachine-learningkeraskeras-layer

Answer 1

似乎您想使用Lambda层先对张量进行切片，然后再进行规范化。在这种情况下，您可以执行以下操作：

# slicing the tensors
slice1 = Lambda(lambda x: x[:,:4])(prevDense)
slice2 = Lambda(lambda x: x[:,:3])(prevDense)

l2_norm_slice1 = Lambda(lambda  x: K.l2_normalize(slice1,axis=1))(slice1)
l2_norm_slice2 = Lambda(lambda  x: K.l2_normalize(slice2,axis=1))(slice2)

希望这可以帮助！