如何创建一个层来反转softmax（TensforFlow，python）？

我正在建立一个反褶积网络。我想给它添加一个与softmax相反的图层。我试图编写一个基本的python函数，返回给定矩阵的softmax的倒数，并将其放入tensorflow Lambda中，然后将其添加到我的模型中。 我没有错误，但当我进行预测时，出口处只有0。当我没有将这个层添加到我的网络时，我输出的不是零。因此，这证明它们是由于我的inv_softmax功能不好造成的。 你能告诉我怎么做吗

我将我的函数定义为：

def inv_softmax(x):
   C=0
   S = np.zeros((1,1,10)) #(1,1,10) is the shape of the datas that my layer will receive
   try:
      for j in range(np.max(np.shape(x))):
         C+=np.exp(x[0,0,j])
      for i in range(np.max(np.shape(x))):
         S[0,0,i] = np.log(x[0,0,i]+C
   except ValueError:
      print("ValueError in inv_softmax")
      pass
   S = tf.convert_to_tensor(S,dtype=tf.float32)
   return S

我将其作为以下内容添加到我的网络：

x = ...
x = layers.Lambda(lambda x : inv_softmax(x),name='inv_softmax',output_shape=[1,1,10])(x)
x = ...

如果您需要更多我的代码或其他信息，请询问我。

试试这个：

import tensorflow as tf

def inv_softmax(x, C):
   return tf.math.log(x) + C

import math
input = tf.keras.layers.Input(shape=(1,10))
x = tf.keras.layers.Lambda(lambda x : inv_softmax(x, math.log(10.)),name='inv_softmax')(input)
model = tf.keras.Model(inputs=input, outputs=x)

a = tf.zeros([1, 1, 10])
a = tf.nn.softmax(a)
a = model(a)
print(a.numpy())

谢谢，这很有效！ 我说：

---

如果我在我的卷积网络中进入XiFax，我可以把SoftMax转换成（我不是这样做的，谢谢你的话，我会改变它）我席席总是不同于0和1。但问题是，如果要在模型中实现我的函数，我认为我做错了什么。席席（席）/席（Exp（席））Xi＝Ln（Si）+Ln（和（Exp（Xi））Ln（和（Xp））是我在我的CONV模型中制作SOFTTMAX时所计算的常数。我的TunSoFrof没有属性数学：（什么是TF版本？V0.12 0RCL，我不能改变它的NP.Log.）。在我的TF（V.2.3.1）中，当我有一个形状数组时，它不可能是另一个信息（也许有用）。（1,1,10）例如，使用值​​我把它转换成张量（我的数组，dtype=tf.float32），然后打印这个东西，我只得到“tf.tensor'Const'shape（1,1,10）dtype=float32”，没有值。当我在网上查看时，人们会得到值​​当他们打印出来的时候。

import keras.backend as K

def inv_softmax(x,C):
   return K.log(x)+K.log(C)