如何在Keras中编写线性激活函数

如何在Keras中编写线性激活函数,keras,deep-learning,Keras,Deep Learning,我想在我的输出层使用线性激活。 我目前使用model.add(…)来添加图层。 我知道如何使用其他激活函数(例如sigmoid函数,您可以使用模型。添加(…,activation=“sigmoid”)。但我的问题是我根本不想要任何激活函数。也就是说,我想要w•x作为模型的输出,而不是(w•x)其中一个是激活函数。我应该怎么做?将不包括激活工作?创建您自己的激活函数,该函数返回所需的内容 从keras.utils.generic\u utils导入get\u自定义\u对象 从keras.layer

我想在我的输出层使用线性激活。 我目前使用
model.add(…)
来添加图层。
我知道如何使用其他激活函数(例如sigmoid函数,您可以使用
模型。添加(…,activation=“sigmoid”)
。但我的问题是我根本不想要任何激活函数。也就是说,我想要w•x作为模型的输出,而不是(w•x)其中一个是激活函数。我应该怎么做?将不包括
激活
工作?

创建您自己的激活函数,该函数返回所需的内容

从keras.utils.generic\u utils导入get\u自定义\u对象
从keras.layers导入激活
def自定义_激活(x):
返回x
获取\u自定义\u对象().update({'custom\u activation':activation(custom\u activation)})
model.add(…,activation=“custom_activation”)
编辑 正如@MarcoCerliani所指定的,不需要做上面的事情。下面两个语句都使用
线性
激活函数

model.add(…,activation=“linear”)
模型。添加(…)

如果未指定激活参数,则默认激活为线性激活。否则,可以使用activation=“linear”手动定义