问题描述:
我正在使用keras,我想添加我自己的激活函数myf到tensorflow backend。如何定义新函数并使其可操作。
因此我不使用以下代码:
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
而是使用:
model.add(layers.Conv2D(64, (3, 3), activation='myf'))
解答:
首先,您需要使用 backend定义一个函数。 例如,这是我实现swish激活功能的方式
from keras import backend as K
def swish(x, beta=1.0):
return x * K.sigmoid(beta * x)
这允许您像这样向模型添加激活函数:
model.add(Conv2D(64, (3, 3)))
model.add(Activation(swish))
如果要将字符串用作自定义函数的别名,则必须向Keras注册自定义对象。 可以这样完成:
from keras.utils.generic_utils import get_custom_objects
get_custom_objects().update({'swish': Activation(swish)})
这使您可以按名称直接将激活添加到图层:
model.add(Conv2D(64, (3, 3), activation='swish'))
为了实现更高级的激活函数,诸如像设置可训练参数等的,最好将它们应用为Keras层。 此处的swish函数用于一个层中,允许在训练时学习beta:
from keras.layers import Layer
class Swish(Layer):
def __init__(self, beta=1.0, trainable=False, **kwargs):
super(Swish, self).__init__(**kwargs)
self.supports_masking = True
self.beta = beta
self.trainable = trainable
def build(self, input_shape):
self.beta_factor = K.variable(self.beta,
dtype=K.floatx(),
name='beta_factor')
if self.trainable:
self._trainable_weights.append(self.beta_factor)
super(Swish, self).build(input_shape)
def call(self, inputs, mask=None):
return swish(inputs, self.beta_factor)
def get_config(self):
config = {'beta': self.get_weights()[0] if self.trainable else self.beta,
'trainable': self.trainable}
base_config = super(Swish, self).get_config()
return dict(list(base_config.items()) + list(config.items()))
def compute_output_shape(self, input_shape):
return input_shape
然后,您将添加激活功能,与任何其他层相同
model.add(Conv2D(64, (3, 3)))
model.add(Swish(beta=1.0, trainable=True))
参考:
How to create custom Activation functions in Keras / TensorFlow?