具有cRelu激活的Keras序列模型
我有一个问题，创建一个3层的密集模型，其中激活函数是cRelu。 cRelu连接两个relu（负数和正数），并在其输出中创建一个两倍大小的张量。 当尝试在它之后添加另一层时，我总是会遇到大小不匹配错误具有cRelu激活的Keras序列模型,keras,sequential,Keras,Sequential,我有一个问题，创建一个3层的密集模型，其中激活函数是cRelu。 cRelu连接两个relu（负数和正数），并在其输出中创建一个两倍大小的张量。 当尝试在它之后添加另一层时，我总是会遇到大小不匹配错误 model = Sequential() model.add(Dense(N, input_dim=K, activation=crelu)) model.add(Dense(N//2, activation=crelu)) 我如何告诉下一层期望2N输入和N？Keras不期望激活功能改变输出形
model = Sequential()
model.add(Dense(N, input_dim=K, activation=crelu))
model.add(Dense(N//2, activation=crelu))
我如何告诉下一层期望2N输入和N？Keras不期望激活功能改变输出形状。如果要更改，应将crelu功能包装在图层中，并指定相应的输出形状：
将tensorflow导入为tf
从keras.layers导入图层
类别cRelu（层）：
定义初始（自我，**kwargs）：
超级（cRelu，self）。\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu（**kwargs）
def构建（自我，输入_形状）：
超级（cRelu，self）.构建（输入形状）
def呼叫（自我，x）：
返回tf.nn.crelu（x）
def计算输出形状（自身、输入形状）：
"""
输出_形状的所有轴，除了最后一个，
与输入形状一致。
最后一个是相应输入的两倍大小
因为这是两个relu连接的轴。
"""
返回（*input_shape[：-1]，input_shape[-1]*2）
model=Sequential（）
模型添加（密集（N，输入尺寸=K））
model.add（cRelu（））
模型.添加（密集（N//2））
model.add（cRelu（））