层结构:
- 输入形状
(None,75) - 隐藏层1 – 形状为
(75,3) - 隐藏层2 – 形状为
(3,1)
对于最后一层，输出必须按以下方式计算 ( (H21*w1)*(H22*w2)*(H23*w3))，其中 H21,H22,H23 将是隐藏层2的输出，w1,w2,w3 将是不可训练的常数权重。那么如何为上述结果编写一个lambda函数呢？
def product(X): return X[0]*X[1]keras_model = Sequential()keras_model.add(Dense(75, input_dim=75,activation='tanh',name="layer1" ))keras_model.add(Dense(3 ,activation='tanh',name="layer2" ))keras_model.add(Dense(1,name="layer3"))cross1=keras_model.add(Lambda(lambda x:product,output_shape=(1,1)))([layer2,layer3])print(cross1) NameError: name ‘layer2’ is not defined
回答：
使用功能API模型
inputs = Input((75,)) #形状 (batch, 75)output1 = Dense(75, activation='tanh',name="layer1" )(inputs) #形状 (batch, 75)output2 = Dense(3 ,activation='tanh',name="layer2" )(output1) #形状 (batch, 3)output3 = Dense(1,name="layer3")(output2) #形状 (batch, 1)cross1 = Lambda(lambda x: x[0] * x[1])([output2, output3]) #形状 (batch, 3)model = Model(inputs, cross1)请注意，形状与您期望的完全不同。
