Python 如何在keras中将重量限制在一定范围内

我正在使用

keras

制作一个简单的3层

MLP

。我想将学习的

MLP

的权重限制在一个范围内。例如，模型拟合后，所有权重和偏差都在范围（-1，1）内。 我该怎么做？

---

谢谢。

可以使用

约束

模块来实现这一点。这适用于权重（

kernel\u约束

），如下所示：

model.add(Dense(500, kernel_constraint=unit_norm()))

---

可以使用

约束

模块来实现这一点。这适用于权重（

kernel\u约束

），如下所示：

model.add(Dense(500, kernel_constraint=unit_norm()))

---

为此使用

约束

没有标准的约束，所以我们需要创建一个自定义约束。
unit_norm
是关于“张量norm”，而不是关于“单个权重值”

在接受约束的任何层中，都应该有一个
kernel\u约束
和一个
bias\u约束
参数。或者一些非常相似的名字

Dense(units, kernel_constraint=Between(), bias_constraint=Between())

加载模式：
为此使用
约束

没有标准的约束，所以我们需要创建一个自定义约束。
unit_norm
是关于“张量norm”，而不是关于“单个权重值”

在接受约束的任何层中，都应该有一个
kernel\u约束
和一个
bias\u约束
参数。或者一些非常相似的名字

Dense(units, kernel_constraint=Between(), bias_constraint=Between())

加载模式：
这个答案几乎是正确的，但这是关于“张量范数”。它使用了一个带平方根的欧几里德范数：这个答案几乎是正确的，但这是一个“张量范数”。它使用欧几里德范数和平方根：谢谢。这是可行的，但在保存我的模型时有一个问题。保存模型后，我无法加载模型，因为
之间的
未知。另一个问题是我的模型每次都不合适。你有解决办法吗？谢谢。这是可行的，但在保存我的模型时有一个问题。保存模型后，我无法加载模型，因为
之间的
未知。另一个问题是我的模型每次都不合适。你有解决办法吗？