用於矩陣向量乘法的Keras Lambda層

我想要在將kera傳遞給另一圖層之前執行向量矩陣乘法的keras中的lambda層。矩陣是固定的（我不想學習它）。下面的代碼：用於矩陣向量乘法的Keras Lambda層

model.add(Dropout(0.1))  
model.add(Lambda(lambda x: x.dot(A))) 
model.add(Dense(output_shape, activation='softmax')) 
model.compile(<stuff here>)}

A是固定的矩陣，我想做x.dot（A）

，當我運行它，我得到以下錯誤：

'Tensor' object has no attribute 'dot'

當我用matmul替換點（我正在使用tensorflow後端）時出現同樣的錯誤

最後，當我用lambda層替換

model.add(Lambda(lambda x: x*A))

我得到下面的錯誤：

model.add(Lambda(lambda x: x*G))

model.add(Dense(output_shape, activation='softmax'))

AttributeError: 'tuple' object has no attribute '_dims'

我是新來Keras所以任何幫助將不勝感激。謝謝

來源

2017-10-04 NSR

創建拉姆達功能：

import keras.backend as K 
import numpy as np 

numpyA = np.array(define A correctly here, with 2 dimensions) 

def multA(x): 
    A = K.variable(numpyA) 

    return K.dot(x,A) 

model.add(Lambda(multA))

來源

2017-10-04 19:14:28

我認爲你可以添加一個Dense圖層，初始權重爲矩陣A，並設置參數trainable=False和use_bias=False。該層將相當於固定矩陣乘法。

model.add(Dense(A.shape[1], trainable=False, weights=[A], use_bias=False))

來源

2017-10-04 18:13:09

這似乎是合理的，我嘗試過，但得到如下：層重量形狀（1，265）所提供的重量形狀（265不兼容， 265）。 265是A.shape [1]（這是一個方形矩陣） – NSR

你能提供'model.summary（）'嗎？看起來之前的圖層的輸出尺寸等於1. –

如果前一圖層的輸出形狀是'（None，265，1）'，那麼我認爲您可以通過添加一個'Flatten'圖層來移除額外的座標軸。 –

用於矩陣向量乘法的Keras Lambda層

回答

相關問題