Python 如何在keras中操作可训练的张量乘法运算？

我倾向于建立一个模型，模型的一个输入是一个张量，形状是？，29？，64。 这是我的模型代码中的定义：

历史主题=Inputshape=29,64，名称='history'

然后我把它转换成一个新的张量，形状是？，64，29

历史主题转换=Lambdalambda x： K.tf.transposex，perm=[0,2,1]历史主题

在那之后，我想初始化一个新的可训练张量，叫做da，形状为5，64，然后将da乘以history\u topics\u trans得到 一个新的张量，形状为？，5，29

那么如何实现呢？谢谢。

您可以简单地使用一个致密层。如果不需要偏差项，可以将use_bias设置为False

导入tensorflow作为tf 从tensorflow进口keras K=keras.backend history\u topics=keras.layers.Inputshape=29,64，name='history' 历史主题项目=keras.layers.Dense5，使用偏见=虚假历史主题 历史主题转换=keras.layers.Lambda lambda x:tf.transposex，perm=[0,2,1]历史主题项目 model=keras.models.model输入=[history\u topics]，输出=[history\u topics\u trans] 范文摘要 以下是输出：

Model: "model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #
=================================================================
history (InputLayer)         [(None, 29, 64)]          0
_________________________________________________________________
dense_2 (Dense)              (None, 29, 5)             320
_________________________________________________________________
lambda_2 (Lambda)            (None, 5, 29)             0
=================================================================
Total params: 320
Trainable params: 320
Non-trainable params: 0
_________________________________________________________________

可以看到密集层的权重，如下所示：

dense_layer = keras.layers.Dense(5, use_bias=False)
... # use the layer, so its weights get constructed
[weights] = dense_layer.get_weights()

如果您想要偏差术语，请不要将use_bias设置为False。在这种情况下，get_weights将返回权重矩阵和偏差向量：

dense_layer = keras.layers.Dense(5)
... # use the layer, so its weights get constructed
[weights, bias] = dense_layer.get_weights()

Keras层在第一次实际使用时是惰性构建的。如果在构建权重之前尝试获取权重，则会得到一个空列表。要强制创建权重，可以对某些数据调用层，或者直接调用build方法：

密集的_层。buildinput_形状=[None，None，64] 请注意，input_shape参数应称为batch_input_shape，因为它包含输入的完整形状，包括批次维度

get_weights方法返回一个NumPy数组。如果希望获得符号张量，例如直接使用模型中的权重，则应使用变量实例变量：

>>> dense_layer.variables
[<tf.Variable 'kernel_5:0' shape=(64, 5) dtype=float32>]

---

欢迎来到陈亚南！谢谢历史主题，使用bias=False，name='proj'历史主题名为'proj'的致密层的形状是什么，它是形状为64，5的张量吗？Hi Yanan。层本身没有形状。它是一个包含零个或多个权重的对象，每个权重都有一个形状。密集层在这种情况下有一个权重矩阵64x5，在这种情况下有时有一个偏差向量，无，因为use_bias=False。此外，当层处理一些输入时，它输出一些具有形状的东西。在这种情况下，输入为3D，形状为[m，29，64]，其中m为批量大小。对于批次中的每个实例和每个主题，输出是该输入与权重矩阵的矩阵相乘的结果。输出形状：[m，29，5]。