我目前正在尝试使用Keras框架,并进行了一些简单的分类测试等。我想找到一种方法来反向运行网络,使用输出作为输入,反之亦然。有没有办法做到这一点?
回答:
并不存在所谓的“反向运行神经网络”,因为一般的神经网络架构并未定义任何非前向数据处理。然而,有一个模型子类确实可以做到这一点——生成模型,但这些模型目前并不属于Keras的一部分。你能做的唯一事情是创建一个网络,某种程度上“模拟”你感兴趣的生成过程。但这是特定模型的方法,并没有通用的解决方案。
我目前正在尝试使用Keras框架,并进行了一些简单的分类测试等。我想找到一种方法来反向运行网络,使用输出作为输入,反之亦然。有没有办法做到这一点?
回答:
并不存在所谓的“反向运行神经网络”,因为一般的神经网络架构并未定义任何非前向数据处理。然而,有一个模型子类确实可以做到这一点——生成模型,但这些模型目前并不属于Keras的一部分。你能做的唯一事情是创建一个网络,某种程度上“模拟”你感兴趣的生成过程。但这是特定模型的方法,并没有通用的解决方案。