在Keras中使用numpy卷

我想在Keras中製作一個自定義正規化器，我需要能夠捲動係數數組。在Keras中使用numpy卷

我知道這可能是不可能的，但任何可以複製此滾動功能的機制都將非常感激。

```

def __call__(self, x): 
    regularization = 0. 

    # Add components if they are given 
    if self.l1: 
     # \lambda ||x|| 
     regularization += self.l1 * K.sum(K.abs(x)) 
    if self.fuse: 
     # \lambda \sum{ |x - x_+1| } 
     regularization += self.fuse * K.sum(K.abs(x - np.roll(x, 1))) 
    if self.abs_fuse: 
     # \lambda \sum{ ||x| - |x_+1|| } 
     regularization += self.abs_fuse * K.sum(K.abs(K.abs(x) - K.abs(np.roll(x, 1))))

```

來源

2017-07-31 SARose

'x'的維度是什麼？如果'x'是一個矩陣，那麼它可能有點奇怪。在權重矩陣上調用'np.roll'將首先使矩陣變平，線性移位元素，最後將其重構爲矩陣。這種行爲究竟是你想要的，還是它'np.roll（x，1，axis = 1）'？ –

x的維度總是（m，1）。我知道從測試它的一個玩具的例子與numpy那個roll是我要找的行爲 – SARose

@ Yu-Yang編輯：'np.roll（x，1，axis = 1）'給出了與'np .roll（x，1）'在這個例子中，'axis = 1'更明確。 – SARose

鑑於x是形狀(m, 1)的，一個可能的解決方案是使用tile：

def roll_reg(x): 
    length = K.int_shape(x)[0] 
    x_tile = K.tile(x, [2, 1]) 
    x_roll = x_tile[length - 1:-1] 
    return K.sum(K.abs(x - x_roll))

這將導致一些額外的內存使用情況，但如果x是1-dim向量，我估計開銷不會太壞。

來源

2017-08-01 04:22:17

在Keras中使用numpy卷

回答

相關問題