tensorflow - 你可以用另一个层而不是张量来提供一个自定义的 Keras 层吗？

Question

假设我有一个自定义层Node，它继承自keras.layers.Layer并且应该代表神经网络中的单个节点。

据我所知，为了在 keras 中输入一个层，您需要将一个张量传递给它，但我想要的语法类似于：

n1 = Node()
n2 = Node()

n2(n1) # Instead of n2(n1.output) where n1.output is a Tensor

做这样的事情被认为是不好的做法吗？

标签： tensorflowkeras

Answer 1

Keras功能 API是一种创建模型的方法，它比 tf.keras.Sequential API 更灵活。功能 API 可以处理具有非线性拓扑、共享层甚至多个输入或输出的模型。

功能 API 可用于创建复杂的图层图。

让我们看一个非常简单的例子：

x = layers.Dense(64)(inputs)
x = layers.Dense(64, activation="relu")(x)
outputs = layers.Dense(10)(x)

model = keras.Model(inputs=inputs, outputs=outputs)

这里有 3 层：Dense(64) -> Dense(64) -> Dense(10)，代码首先创建了 3 层管道，然后通过链接输入和输出来构建模型。

这类似于您想要的语法

请参阅Tensorflow Keras 功能 API 指南