使用tf.keras.layers.Layer自定义神经网络的层
tensorflow中的类tf.keras.layers.Layer可用于创建神经网络中的层,使用说明如下。
使用tf.keras.layers.Layer创建自定义的层
import tensorflow as tf
class MyLayer(tf.keras.layers.Layer):
def __init__(self, num_outputs):
super(MyLayer, self).__init__()
self.num_outputs = num_outputs
def build(self, input_shape):
self.kernel = self.add_variable("kernel",
shape=[int(input_shape[-1]),
self.num_outputs])
self.bias = self.add_variable("bias",
shape=[self.num_outputs])
def call(self, input):
output = tf.matmul(input, self.kernel) + self.bias
output = tf.nn.sigmoid(output)
return output
创建一个层
layer1 = MyLayer(3) # 创建一个由3个神经元构成的层
layer1.build((2,)) # 设定神经层的输入的维度是2
print(layer1.kernel) #打印接入该神经层的权重矩阵
print(layer1.bias) #打印该层各神经元的偏置
创建一个张量并输入该层
a = tf.constant([[0.1,0.2],[0.3,0.4]]) # 创建一个张量
print(layer1.call(a)) # 将张量输入该层
参考文献:
tensorflow2.0 - 自定义layer