Tensorflow Keras TF可学习划分/任意操作层

我正在搜索一个对输入执行元素分割的层，但是当然，必须学习该分割的参数，就像标准conv2D层的参数一样

我发现：

但我不认为这是我想要的，因为我希望分割参数是学习的，而不是分割两层

---

对于密集层，计算点积，这不是我想要的。我正在寻找元素级乘法/除法。

自定义层的示例代码，该层使用训练期间学习的该除法的

参数（权重）

对

输入执行元素级除法，如下所示：

%tensorflow_version 2.x

from tensorflow import keras
from tensorflow.keras import Input
from tensorflow.keras.layers import Flatten, Dense
from tensorflow.keras.models import Model, Sequential
import tensorflow as tf
import tensorflow.keras.backend as K
from tensorflow.keras.layers import Layer
import numpy as np

class MyLayer(Layer):

    def __init__(self, output_dims, **kwargs):
        self.output_dims = output_dims

        super(MyLayer, self).__init__(**kwargs)

    def build(self, input_shape):
        # Create a trainable weight variable for this layer.
        self.kernel = self.add_weight(name='kernel',
                                      shape=self.output_dims,
                                      initializer='ones',
                                      trainable=True)


        super(MyLayer, self).build(input_shape)  # Be sure to call this somewhere!

    def call(self, x):
        # Dividing Input with Weights
        return tf.divide(x, self.kernel)

    def compute_output_shape(self, input_shape):
        return (self.output_dims)

mInput = np.array([[1,2,3,4]])
inShape = (4,)
net = Sequential()
outShape = (4,)
l1 = MyLayer(outShape, input_shape= inShape)
net.add(l1)
net.compile(loss='mean_absolute_error', optimizer='adam', metrics=['accuracy'])
p = net.predict(x=mInput, batch_size=1)
print(p)

希望这有帮助。学习愉快
 这实际上与无偏差的致密层相同。无需明确建模除法，因为除法相当于乘法（x/2:==x*0.5），这是神经网络层默认情况下发生的。不，我认为你犯了一个错误，默认情况下，它是点积：w^T x=w1x1+w2x2+…+wnxn我不想求和！我想要元素级的乘法/除法。。。你觉得怎么样？如果你有想法，我会很感兴趣。有人有想法吗？