web-dev-qa-db-ja.com

Kerasで高度なアクティベーションレイヤーを使用する方法

これは、tanhのような他のアクティベーションレイヤーを使用する場合に機能する私のコードです。

model = Sequential()
act = keras.layers.advanced_activations.PReLU(init='zero', weights=None)
model.add(Dense(64, input_dim=14, init='uniform'))
model.add(Activation(act))
model.add(Dropout(0.15))
model.add(Dense(64, init='uniform'))
model.add(Activation('softplus'))
model.add(Dropout(0.15))
model.add(Dense(2, init='uniform'))
model.add(Activation('softmax'))

sgd = SGD(lr=0.1, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='binary_crossentropy', optimizer=sgd)
model.fit(X_train, y_train, nb_Epoch=20, batch_size=16, show_accuracy=True, validation_split=0.2, verbose = 2)

この場合、機能せず、「TypeError： 'PReLU' object is callable」と表示され、model.compile行でエラーが呼び出されます。これはなぜですか？高度でないアクティベーション機能はすべて機能します。ただし、これを含む高度なアクティベーション機能はいずれも機能しません。

pythonmachine-learningneural-networkkerasdata-science
30
pr338

PReLUなどの高度なアクティベーションを使用する正しい方法は、add()メソッドで使用し、Activationクラスを使用してラップしないことです。例：

model = Sequential()
act = keras.layers.advanced_activations.PReLU(init='zero', weights=None)
model.add(Dense(64, input_dim=14, init='uniform'))
model.add(act)
30
Tarantula

KerasでModel AP​​Iを使用する場合、Keras Layer内の関数を直接呼び出すことができます。以下に例を示します。

from keras.models import Model
from keras.layers import Dense, Input
# using prelu?
from keras.layers.advanced_activations import PReLU

# Model definition
# encoder
inp = Input(shape=(16,))
lay = Dense(64, kernel_initializer='uniform',activation=PReLU(),
            name='encoder')(inp)
#decoder
out = Dense(2,kernel_initializer='uniform',activation=PReLU(), 
            name='decoder')(lay)

# build the model
model = Model(inputs=inp,outputs=out,name='cae')
21
Mattia Paterna

Kerasの機能的なAPIの場合、DenseとPRelu（またはその他の高度なアクティベーション）を組み合わせる正しい方法は、次のように使用することだと思います。

focus_tns =focus_lr(enc_bidi_tns)

enc_dense_lr = k.layers.Dense(units=int(hidden_size))
enc_dense_tns = k.layers.PReLU()(enc_dense_lr(focus_tns))

dropout_lr = k.layers.Dropout(0.2)
dropout_tns = dropout_lr(enc_dense_tns)

enc_dense_lr2 = k.layers.Dense(units=int(hidden_size/4))
enc_dense_tns2 = k.layers.PReLU()(enc_dense_lr2(dropout_tns))

もちろん、問題に応じてレイヤーをパラメーター化する必要があります

5
alexander ostrikov