Lua torch只需将最后一个输出构建为前一层的输出倍增_Lua_Neural Network_Torch_Cudnn

Lua torch只需将最后一个输出构建为前一层的输出倍增

lua neural-network

Lua torch只需将最后一个输出构建为前一层的输出倍增,lua,neural-network,torch,cudnn,Lua,Neural Network,Torch,Cudnn,我的网络有N层，我希望最后一层简单地构造最后一个输出，就像前面几层的输出乘法一样，如下所示。假设我的N-1层有一个3-d输出，最后一层有一个2-d输出。最后一个_输出[1]=上一个_输出[1]*上一个_输出[2]，最后一个_输出[2]=上一个_输出[3]。我想在这个2-d最后的输出上使用CrossEntropyCriterion。现在，我通过构造N-1网络模型来实现这一点，并得到如下最后输出： local last_output = torch.ones(previous_output:size

我的网络有N层，我希望最后一层简单地构造最后一个输出，就像前面几层的输出乘法一样，如下所示。假设我的N-1层有一个3-d输出，最后一层有一个2-d输出。最后一个_输出[1]=上一个_输出[1]*上一个_输出[2]，最后一个_输出[2]=上一个_输出[3]。我想在这个2-d最后的输出上使用CrossEntropyCriterion。现在，我通过构造N-1网络模型来实现这一点，并得到如下最后输出：

local last_output = torch.ones(previous_output:size()[1], 2)
last_output[{{}, {1}}] = torch.cmul(previous_output[{{},{1}}], previous_output[{{},{2}}])
last_output[{{}, {2}}] = previous_output[{{}, {3}}]

因此，最后一层不在模型中，只需运行

loss = criterion:forward(last_output, target)

发生错误。

有什么技巧可以达到这个目的吗？

最好的方法是编写一个自定义层。有关详细信息，请参阅。

发生错误没有多大帮助。请阅读并改进您的帖子