所以我想我有一个独特的小问题(如果以前有人问过,请道歉,因为我没有发现它)
假设我有一个密集层的神经网络,在一个特定层中,神经元a1的一个权重是w11,另一个神经元a2的另一个权重是w21。我没有偏见
在随后的层中,我需要有一个输出a1 X w11、a2 X w22等等,这很容易做到。但是,我还需要另一个输出,它可以得到a1 X a2 X w11 X w22
在我看来,我需要实现的是,在前一层中,有一个称为w11的权重、一个称为w22的权重和另一个称为w11 X w22的权重,但我一直无法找到一种方法以这种方式对权重进行数学运算
有什么办法可以做到这一点吗
尝试直接使用tensorflow低级别api-
tf.GradientTape
,因此定制在低级别api中是一个简单的方法,但是如果您更喜欢使用keras api,那么您可以使用Lambda layer
这使您可以访问网络中任何层的输出或者你可以写你的Custom layer
您可能需要访问权重
layer.get_weights ()
、layer.set_weights ()
以及了解custom callbacks
的一些函数也可能会有所帮助Custom Weight Constraints
相关问题 更多 >
编程相关推荐