• 本質就是矩陣相乘 Amn *Bnp
• 這里會提取輸入矩陣最后一層的dim 比如說是Amn的n

import keras import tensorflow as tf class Linear(keras.layers.Layer):def __init__(self, units=32):super(Linear, self).__init__()self.units = unitsdef build(self, input_shape):print(input_shape)self.w = self.add_weight(#本質就是矩陣相乘 Amn *Bnp #這里會提取輸入矩陣最后一層的dim 比如說是Amn的nshape=(input_shape[-1], self.units),initializer="random_normal",trainable=True,)self.b = self.add_weight(shape=(self.units,), initializer="random_normal", trainable=True)# super().build(input_shape)def call(self, inputs):# print(self.input_shape(inputs))return tf.matmul(inputs, self.w) + self.b x = tf.ones((2, 2)) linear_layer = Linear(6) y = linear_layer(x) print(y) (2, 2) tf.Tensor( [[-0.0910622 -0.04033005 -0.0540841 -0.06019955 0.05445318 0.07133652][-0.0910622 -0.04033005 -0.0540841 -0.06019955 0.05445318 0.07133652]], shape=(2, 6), dtype=float32) 《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的keras 自定义层 2的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。