如何在Keras中實現矩陣乘法？

我只是想實現一個函數，給定一個矩陣X返回X（X^T * X）的協方差矩陣，這只是一個簡單的矩陣乘法。如何在Keras中實現矩陣乘法？

在Tensorflow這會是容易的：tf.matmul（X，tf.transpose（X））

但我沒想到的是它與Keras一場噩夢。 Keras中的API像multiply和dot不符合我的要求。我也嘗試了不同的方式（Lambda層和混合TF操作）但仍然失敗，發生了很多錯誤。

希望有人可以幫忙。謝謝。

2017-05-03 Rui Meng

-1

您必須有一個圖層，並在圖層內進行計算。

import keras.backend as K 
from keras.layers import Lambda 
from keras.models import Model 

inp = Input((your input shape)) 
previousLayerOutput = SomeLayerBeforeTheCovariance(blabla)(inp)  

covar = Lambda(lambda x: K.dot(K.transpose(x),x), 
    output_shape = (your known shape of x))(previousLayerOutput) 

nextOut = SomeOtherLayerAfterThat(blablabla)(covar) 
lastOut = AnotherLayer(bahblanba)(nextOut) 

model = Model(inp, lastOut)

來源

2017-05-03 12:35:43

您可以使用keras.layers.merge.Multiply（）

它輸入張量清單，所有相同的形狀，並返回一個單一的張量（也同樣形狀的）。

The keras documentation

乾杯A.

來源

2017-05-21 17:53:05 anthdm

其實你有Keras類似。嘗試dot(x, transpose(x))。

下面是一個比較兩個平臺的工作示例。

import keras.backend as K 
import numpy as np 
import tensorflow as tf 


def cov_tf(x_val): 
    x = tf.constant(x_val) 
    cov = tf.matmul(x, tf.transpose(x)) 
    return cov.eval(session=tf.Session()) 

def cov_keras(x_val): 
    x = K.constant(x_val) 
    cov = K.dot(x, K.transpose(x)) 
    return cov.eval(session=tf.Session()) 

if __name__ == '__main__': 
    x = np.random.rand(4, 5) 
    delta = np.abs(cov_tf(x) - cov_keras(x)).max() 
    print('Maximum absolute difference:', delta)

打印最大絕對差值並給出1e-7左右的內容。

來源

2017-05-21 18:15:33 grovina

如何在Keras中實現矩陣乘法？

回答

相關問題