假設我使用 Keras 創建了這個模型：model = Sequential()model.add(Dense(32, activation='tanh', input_dim=1))model.add(Dense(10, activation='tanh'))model.add(Dense(1, activation='linear'))這個模型的輸入和輸出維度都是1?，F在，假設我想再添加一層，它是上面模型的一階導數和二階導數（相對于輸入）的總和，并將其用作我的新輸出層。這在 Keras 中可能嗎？我做了很多谷歌搜索，但找不到任何東西。
1 回答
婷婷同學_
TA貢獻1844條經驗 獲得超8個贊
您可以使用以下命令在 Tensorflowtf.gradients和Keras 中計算梯度K.gradients：
first = K.gradients(model.outputs, model.inputs)
second = K.gradients(first, model.inputs)
這是計算模型中梯度的代碼：
from tensorflow.python.keras import Model, Input
from tensorflow.python.keras import backend as K
from tensorflow.python.keras.layers import Dense, Lambda
def deriative(inps):
i, o = inps[0], inps[1]
grad1 = K.gradients(o, i)[0]
grad2 = K.gradients(grad1, i)[0]
return K.concatenate([grad1, grad2])
inps = Input(shape=(1,))
dense1 = Dense(32, activation='tanh')(inps)
dense2 = Dense(10, activation='tanh')(dense1)
dense3 = Dense(1, activation='linear')(dense2)
output = Lambda(deriative)([inps, dense3])
new_model = Model(inputs=inps, outputs=output)
new_model.compile('adam', 'mse')
print(new_model.summary())
添加回答
舉報
0/150
提交
取消