Tensorflow keras中的自定义线性变换

我想在keras中构建一个定制层，对最后一层的输出进行线性变换。 例如，我从上一层得到一个输出X，我的新层将输出X.dot（W）+b

W的形状是

（49,10）

，X的形状应该是

（64,49）

，b的形状是（10，）

---

然而，X的形状是

（？，7，7，64）

，当我试图重塑它时，它变成

形状=（64，？）

。问号是什么意思？您能告诉我对最后一层的输出进行线性变换的正确方法吗？

问号通常表示批量大小，这对模型架构没有影响

您应该能够使用

keras.layers.reformate（（64,49））（X）

重塑您的

X

您可以将任意tensorflow操作（如

tf.matmul

）包装在一个层中，以便在Keras模型中包含自定义层。实现此技巧的最小工作示例：

import tensorflow as tf
from keras.layers import Dense, Lambda, Input
from keras.models import Model

W = tf.random_normal(shape=(128,20))
b = tf.random_normal(shape=(20,))

inp = Input(shape=(10,))
x = Dense(128)(inp)
y = Lambda(lambda x: tf.matmul(x, W) + b)(x)
model = Model(inp, y)

---

最后：请参阅关于如何使用可训练权重编写自定义层的说明。

如何使用模型学习线性变换的权重？您需要编写自定义层。这里的第一个示例基本上涵盖了它：