我想绘制所有Keras激活函数，但其中一些无法正常工作。例如，linear会抛出错误：

AttributeError: ‘Series’ object has no attribute ‘eval’

这很奇怪。我怎样才能绘制剩余的激活函数呢？

points = 100zeros = np.zeros((points,1))df = pd.DataFrame({"activation": np.linspace(-1.2,1.2,points)})df["softmax"] = K.eval(activations.elu(df["activation"]))#df["linear"] = K.eval(activations.linear(df["activation"]))df["tanh"] = K.eval(activations.tanh(df["activation"]))df["sigmoid"] = K.eval(activations.sigmoid(df["activation"]))df["relu"] = K.eval(activations.relu(df["activation"]))#df["hard_sigmoid"] = K.eval(activations.hard_sigmoid(df["activation"]))#df["exponential"] = K.eval(activations.exponential(df["activation"]))df["softsign"] = K.eval(activations.softsign(df["activation"]))df["softplus"] = K.eval(activations.softplus(df["activation"]))#df["selu"] = K.eval(activations.selu(df["activation"]))df["elu"] = K.eval(activations.elu(df["activation"]))df.plot(x="activation", figsize=(15,15))

回答：

这是因为linear激活函数返回的是未经修改的输入：

def linear(x):    """Linear (i.e. identity) activation function.    """    return x

由于您传递的是一个Pandas Series作为输入，因此返回的也是相同的Pandas Series，因此您不需要使用K.eval()：

df["linear"] = activations.linear(df["activation"])

至于selu激活函数，您需要将输入重塑为(n_samples, n_output)的形状：

df["selu"] = K.eval(activations.selu(df["activation"].values.reshape(-1,1)))

而对于hard_sigmoid激活函数，其输入必须明确是一个张量，您可以使用K.variable()来创建：

df["hard_sigmoid"] = K.eval(activations.hard_sigmoid(K.variable(df["activation"].values)))

此外，exponential激活函数按您所写的方式运行，不需要修改。