Python keras层中的线性代数

我试图在

keras

中将

scipy.lingalg.null\u空间

模块实现为Lambda层。 我的输入是成批的

numpy

形状数组

（5,5）

，但是一个简单的

def ns(x_array):
    x_array = np.array(x_array)
    return null_space(x_array)

null = keras.layers.Lambda(lambda x: ns(x) )(input)

生成错误消息：

~/miniconda3/lib/python3.7/site-packages/scipy/linalg/decomp_svd.py in null_space(A, rcond)
    382 
    383     """
--> 384     u, s, vh = svd(A, full_matrices=True)
    385     M, N = u.shape[0], vh.shape[1]
    386     if rcond is None:

~/miniconda3/lib/python3.7/site-packages/scipy/linalg/decomp_svd.py in svd(a, full_matrices, compute_uv, overwrite_a, check_finite, lapack_driver)
    107 
    108     """
--> 109     a1 = _asarray_validated(a, check_finite=check_finite)
    110     if len(a1.shape) != 2:
    111         raise ValueError('expected matrix')

~/miniconda3/lib/python3.7/site-packages/scipy/_lib/_util.py in _asarray_validated(a, check_finite, sparse_ok, objects_ok, mask_ok, as_inexact)
    240     if not objects_ok:
    241         if a.dtype is np.dtype('O'):
--> 242             raise ValueError('object arrays are not supported')
    243     if as_inexact:
    244         if not np.issubdtype(a.dtype, np.inexact):

ValueError: object arrays are not supported

---

我想我必须将

null_space

的输入强制为二维数组（而不是每个批次的三维形状），但我不确定如何做到这一点

您可以使用keras/tensorflow重新实现

null\u空间。请参阅scipy源代码

实现看起来很简单。不过，您必须使用svd，这样才能使用


编辑：我通常不这样做，但我很好奇，所以这里有一个
null\u space
的tensorflow实现。输出接近但不完全等于scipy的输出

将numpy导入为np
导入tensorflow作为tf
float32_eps=np.finfo（np.float32.eps）
def tf_null_空间（A，rcond=None）：
s、 u，vh=tf.linalg.svd（A，完整矩阵=True）
vh=tf.转置（vh）
M、 N=u形[0]，vh形[1]
如果rcond为None：
rcond=浮动32_每股收益*最大值（M，N）
tol=tf.减少最大值*rcond
num=tf.reduce_sum（tf.cast（s>tol，tf.int32））
Q=tf.math.conj（tf.transpose（vh[num:，：]））
返回Q
如果您将其用作神经网络的一部分，则不能在Lambda层中使用numpy，因为您无法通过使用keras/tensorflow的numpy进行区分。我认为您的意思是复制
null\u空间
定义，并基本上用
tf
替换
np
？听起来多少有道理。但是您必须弄清楚如何处理
np.finfo
调用。您可以假设输入数据类型，如float32，并将其eps存储为常量。回到这里，我现在的问题是计算小于公差的奇异值的数量，并使用此数字提取由
tf.linalg.svd
…@非宗教提供的
v
的正确列-请参阅我更新的答案。它应该能回答你的问题，非常感谢@jakub，但我仍然在这方面发现了一些错误（我之前也尝试过类似的方法）-首先
rcond
定义错误（通过移除max（m，N）来修复）：
在tf_null_空间（a，rcond）28 m，N=u.shape[0]，vh.shape[1]29如果rcond为None:-->30 rcond=float32\u eps*max（M，N）31 tol=tf.reduce\u max（s）*rcond 32 num=tf.reduce\u sum（tf.cast（s>tol，tf.int32））。。。411 412 def\uu floordiv\uuu（self，other）：类型错误：不支持*的操作数类型：'Dimension'和'float'