實現在keras共同學習

我試圖實現一個是由兩層構成，以段對象候補中keras模型因此，基本上該模型具有以下結構實現在keras共同學習

圖片（信道，寬度，高度） - >多個卷積和集中layers->輸出（「n」個特徵映射，高度寬度）

現在這個單輸出正在使用兩層，其是如下 1）卷積（1 * 1） - >具有m個單位的密集層（輸出= n * 1 * 1） - >像素使用H *的完全連接層瓦特dimesion分類 - > upsmapling到（H，N） - >輸出

2）卷積 - > maxpooling->緻密層 - >得分

成本函數使用的兩個這些輸出這是每一個輸出的二元邏輯迴歸的總和層

現在我有兩個問題 1）如何實現在層1之上旋繞輸出密連接，以產生H * W像素分類上述 2如所提到的）如何合併兩層計算單一成本函數，然後使用反向傳播聯合訓練這兩個層

誰能告訴我如何創建模型上面提到的網絡architecture.i是新來的深度學習，所以如果有一些東西，我誤解了我會很感激，如果任何人都可以解釋我的錯誤，在我的理解感謝

2016-03-02 12max34

我試圖實現的模型類似於在下面的論文中提到的那個模型，它使用交替反向傳播，在文中提到的兩層之間根據聯合二值邏輯成本函數訓練兩層 - arxiv .ORG/PDF/1506.06204）。 keras中有沒有任何模型與此模型接近。 – 12max34

當你分享你已有的代碼時更容易。

對於過渡卷積到密集，你必須使用model.add(Flatten())，就像在examples here中一樣。

不幸的是，我不知道第二個問題，但根據我剛剛在Keras模型中讀到的內容，您必須使用圖模型。

2016-03-02 20:09:46 FiReTiTi

我試圖實現的模型類似於在下面的文章中提到的模型，它使用替代反向傳播，在文中提到的兩層之間基於聯合二值邏輯成本函數訓練兩層 - （arxiv.org /pdf/1506.06204） – 12max34

看來你必須使用圖模型。 – FiReTiTi

是的，我只是通過和實現相同，但我卡在我必須通過每個層應用備用反向傳播的部分，你能指導我究竟是什麼意思，我很困惑 – 12max34

回答