首页 文章

keras tensorflow中的高级自定义激活功能

提问于
浏览 次
1
def newactivation(x):
    if x>0:
        return K.relu(x, alpha=0, max_value=None)
    else :
        return x * K.sigmoid(0.7* x)

get_custom_objects().update({'newactivation': Activation(newactivation)})

我试图在keras中使用这个激活函数用于我的模型，但是我很难找到要替换的内容

if x>0:

我得到的错误：

文件“/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/ops.py”，第614行，在bool中引发TypeError（“不允许使用tf.Tensor作为Python bool . “TypeError：不允许使用tf.Tensor作为Python bool . 如果> t不是None，则使用if：而不是t：来测试是否定义了张量，并且>使用TensorFlow操作（如tf.cond）来执行子图以>张量的值为条件 .

有人能说清楚吗？

python tensorflow keras activation-function

3 回答

  • 0

    您可以评估张量，然后检查条件

    from keras.backend.tensorflow_backend import get_session


sess=get_session()
if sess.run(x)>0:
    return t1
else:
    return t2
    回复于
  • 3

    if x > 0 没有意义，因为 x > 0 是张量，而不是布尔值 .

    要在Keras中执行条件语句，请使用 keras.backend.switch .

    比如你的

    if x > 0:
   return t1
else:
   return t2

    会成为

    keras.backend.switch(x > 0, t1, t2)
    回复于
  • 4

    尝试类似的东西：

    def newactivation(x):
    return tf.cond(x>0, x, x * tf.sigmoid(0.7* x))

    x不是python变量，它是一个Tensor，它将在模型运行时保存一个值 . x的值仅在评估op时才知道，因此需要通过TensorFlow（或Keras）评估条件 .

    回复于

相关问题