我有一个神经网络，最后一层有10个输出神经元，使用softmax激活函数。我也确切知道，根据输入值，输出层中的某些神经元应该有0值。因此，我有一个特殊的输入层，包含10个神经元，每个神经元的值要么是0，要么是1。

是否有可能在输入神经元3为0时，强制输出神经元3的值为0？

action_input = Input(shape=(10,), name='action_input')...x = Dense(10,  kernel_initializer = RandomNormal(),bias_initializer = RandomNormal() )(x)x = Activation('softmax')(x)

我知道有一种方法可以在神经网络外部屏蔽输出层的结果，并重新调整所有非零相关输出的形状（以使总和为1）。但我想在网络内部解决这个问题，并在网络训练期间使用它。我应该使用自定义层来实现吗？

回答：

最后，我写出了以下代码：

from keras import backend as Kimport tensorflow as tfdef mask_output2(x):    inp, soft_out = x    # 添加一个非常小的值，以避免所有地方都是0    c = K.constant(0.0000001, dtype='float32', shape=(32, 13))    y = soft_out + c    y = Lambda(lambda x: K.switch(K.equal(x[0],0), x[1], K.zeros_like(x[1])))([inp, soft_out])    y_sum =  K.sum(y, axis=-1)    y_sum_corrected = Lambda(lambda x: K.switch(K.equal(x[0],0), K.ones_like(x[0]), x[0] ))([y_sum])    y_sum_corrected = tf.divide(1,y_sum_corrected)    y = tf.einsum('ij,i->ij', y, y_sum_corrected)    return y