代码之家 › 专栏 › 技术社区 › Klaus

高维向量的非线性映射

pytorch dimensions keras deep-learning python

3

Klaus · 技术社区 · 7 年前

我正在学习Keras,需要以下方面的帮助。目前,我在列表X和Y中有一系列浮点。我需要做的是使用非线性映射,将每个元素映射到以下等式后面的高维向量。

pos(i) = tanh(W.[concat(X[i],Y[i]])
#where W is a learnable weight matrix, concat performs the concatenation and pos(i) is a vector of 16x1. (I'm trying to create 16 channel inputs for a CNN).

我发现上面的Pytorch实现是

m = nn.linear(2,16)
input = torch.cat(X[i],Y[i])    
torch.nn.functional.tanh(m(input))

目前我在努比尝试过海螺和棕褐色,但这似乎不是我想要的。

你能帮助我使用Keras实现上述功能吗。

1 回复 | 直到 7 年前

1

parsethis 7 年前

根据你那里的情况。

这就是我在keras会做的。我将假设您只想在将输入输入输入到模型中之前将其连接起来。

所以我们要用numpy来做。笔记

类似于:

import numpy as np
from keras.model import Dense, Model,Input
X = np.random.rand(100, 1)
Y = np.random.rand(100, 1)
y = np.random.rand(100, 16)
# concatenate along the features in numpy
XY = np.cancatenate(X, Y, axis=1)


# write model
in = Input(shape=(2, ))
out = Dense(16, activation='tanh')(in)
# print(out.shape) (?, 16)
model = Model(in, out)
model.compile(loss='mse', optimizer='adam')
model.fit(XY, y)


....