Machine learning 在Keras 2.0上使用合并层（lambda/函数）？

我试图将模型移植到

Keras

v2，但以下功能有问题：

  def __call__(self, sent1, sent2):
        def _outer(AB):
            att_ji = K.batch_dot(AB[1], K.permute_dimensions(AB[0], (0, 2, 1)))
            return K.permute_dimensions(att_ji, (0, 2, 1))

        return merge([self.model(sent1), self.model(sent2)], mode=_outer,
                     output_shape=(self.max_length, self.max_length))

根据文档，

模式是：

字符串或lambda/函数。如果为字符串，则必须为1
共有：'sum'，'mul'，'concat'，'ave'，'cos'，'dot'，'max'。
如果使用lambda/function，则应将张量列表作为输入
返回一个张量

新
Keras
版本中的等效功能是什么（当模式为function/lambda时），以避免以下警告：

UserWarning: The `merge` function is deprecated and will be removed after 08/2017. Use instead layers from `keras.layers.merge`, e.g. `add`, `concatenate`, etc.
  return merge([attention, sentence], mode=_normalize_attention, output_shape=(self.max_length, self.nr_hidden))

这是一种实现模型的奇怪方式。。。。（至少在keras 2…）

看起来您应该使用一个带有自定义函数的lambda层

def __call__(self, sent1, sent2):
    def _outer(AB) #custom function
        att_ji = K.batch_dot(AB[1], K.permute_dimensions(AB[0], (0, 2, 1)))    
        return K.permute_dimensions(att_ji, (0, 2, 1))

    return Lambda(_outer, 
                  output_shape=(self.max_length,self.max_length))([
                                           self.model(sent1), 
                                           self.model(sent2)])

如果
self.model（sent）
返回由keras层生成的张量，则此操作应该有效


现在，对于实际的合并层，在keras 2中有以下层：


连接（轴=…）（传感器列表）
添加（）（listOfTensors）
乘法（）
，包括一个点

层，该层“可能”与该功能相同 如果使用点图层：

return Dot()([self.model(sent1),self.model(sent2)])

---

这需要测试。keras中的点和批点很容易混淆

实现模型的方式有点奇怪。。。。（至少在keras 2…）

看起来您应该使用一个带有自定义函数的lambda层

def __call__(self, sent1, sent2):
    def _outer(AB) #custom function
        att_ji = K.batch_dot(AB[1], K.permute_dimensions(AB[0], (0, 2, 1)))    
        return K.permute_dimensions(att_ji, (0, 2, 1))

    return Lambda(_outer, 
                  output_shape=(self.max_length,self.max_length))([
                                           self.model(sent1), 
                                           self.model(sent2)])

如果

self.model（sent）

返回由keras层生成的张量，则此操作应该有效

---

现在，对于实际的合并层，在keras 2中有以下层：

• 连接（轴=…）（传感器列表）
• 添加（）（listOfTensors）
• 乘法（）
• ，包括一个点层，该层“可能”与该功能相同

如果使用点图层：

return Dot()([self.model(sent1),self.model(sent2)])

这需要测试。keras中的点和批点很容易混淆