Python softmax之前的Keras掩蔽零点

假设我有来自LSTM层的以下输出

[0.         0.         0.         0.         0.01843184 0.01929785 0.         0.         0.         0.         0.         0. ]

我想在这个输出上应用softmax，但我想先屏蔽0

当我使用

mask = Masking(mask_value=0.0)(lstm_hidden)
combined = Activation('softmax')(mask)

它不起作用。有什么想法吗

---

更新：LSTM hidden的输出为批量大小504000，您可以定义自定义激活来实现它。这相当于掩码0

---

你说我想先屏蔽0是什么意思？是否仅对值应用softmax=0？@Vlad，是的，这就是我想做的。@Vlad：我在使用kerasGreat，你对此有答案。如果我的lstm_隐藏的大小为批次大小504000，该怎么办？我试过了，但由于自定义_激活中的形状兼容性，出现了一个错误function@Daisy我把它加到了答案上，它没有给出预期的结果。我试图用我拥有的形状更新示例，但我无法。我更新示例如下：lstm_hidden=Inputshape=3,4。。。x=np.数组[[1,0,0,1]，[0,0.19,0,0,0.78]，[0,0,0.01843184,0.01929785]]和Get-ValueError:无法为张量'input_1:0'输入形状3,4'的值，该张量具有形状'？，3,4'@Daisy。您可以使用tf.is__nan来防止nan值。我已经更新了我的代码。此外，输出中的nan值总是一个非常糟糕的信号。您需要重新检查数据处理或模型代码。

from keras.layers import Activation,Input
import keras.backend as K
from keras.utils.generic_utils import get_custom_objects
import numpy as np
import tensorflow as tf

def custom_activation(x):
    x = K.switch(tf.is_nan(x), K.zeros_like(x), x) # prevent nan values
    x = K.switch(K.equal(K.exp(x),1),K.zeros_like(x),K.exp(x))
    return x/K.sum(x,axis=-1,keepdims=True)

lstm_hidden = Input(shape=(12,))
get_custom_objects().update({'custom_activation': Activation(custom_activation)})
combined = Activation(custom_activation)(lstm_hidden)

x = np.array([[0.,0.,0.,0.,0.01843184,0.01929785,0.,0.,0.,0.,0.,0. ]])
with K.get_session()as sess:
    print(combined.eval(feed_dict={lstm_hidden:x}))

[[0.         0.         0.         0.         0.49978352 0.50021654
  0.         0.         0.         0.         0.         0.        ]]