Tensorflow 我希望我的神经网络输出为0或1，而不是介于0和1之间的概率，在输出层使用定制的阶跃函数
我希望我的神经网络输出是0或1，而不是介于0和1之间的概率 同样，我为输出层设计了阶跃函数，我希望我的输出层只需对上一层（softmax）的输出进行舍入，即将概率转换为0和1Tensorflow 我希望我的神经网络输出为0或1，而不是介于0和1之间的概率，在输出层使用定制的阶跃函数,tensorflow,keras,neural-network,activation-function,Tensorflow,Keras,Neural Network,Activation Function,我希望我的神经网络输出是0或1，而不是介于0和1之间的概率 同样，我为输出层设计了阶跃函数，我希望我的输出层只需对上一层（softmax）的输出进行舍入，即将概率转换为0和1 我的定制功能没有提供预期的结果。 请帮忙 我的代码是： from keras.layers.core import Activation from keras.models import Sequential from keras import backend as K # Custom activation functi
我的定制功能没有提供预期的结果。 请帮忙 我的代码是：
from keras.layers.core import Activation
from keras.models import Sequential
from keras import backend as K
# Custom activation function
from keras.layers import Activation
from keras import backend as K
from keras.utils.generic_utils import get_custom_objects
@tf.custom_gradient
def custom_activation(x):
print("tensor ",x)
ones = tf.ones(tf.shape(x), dtype=x.dtype.base_dtype)
zeros = tf.zeros(tf.shape(x), dtype=x.dtype.base_dtype)
def grad(dy):
return dy
print(" INSIDE ACTOVATION FUNCTION ")
return keras.backend.switch(x > .5, ones, zeros), grad
model = keras.models.Sequential()
model.add(keras.layers.Dense(32,input_dim=a,activation='relu'))
model.add(keras.layers.Dropout(0.2))
model.add(keras.layers.Dense(64,activation="relu"))
model.add(keras.layers.Dropout(0.2))
model.add(keras.layers.Dense(2,activation='softmax'))
model.add(Activation(custom_activation, name='custom_activation'))#output layer
### Compile the model
model.compile(loss="binary_crossentropy",optimizer='adam',metrics=["accuracy"])
首先，请注意，获得类别概率总是比纯0-1分类产生更多的信息，因此您的模型几乎总是训练得更好更快 也就是说，考虑到您确实有一个限制NN的潜在原因，像您希望作为激活函数实现的一个艰难决定被称为步进函数或重行函数。该函数的主要问题是，默认情况下，该函数是不可微的（阈值中存在无限斜率，在您的情况下为0.5）。要解决此问题，您有两种选择：
tf.cond（）类禁用（tf.keras.layers.Layer）：
def uu init uu（self，num_输出，阈值=.5，**kwargs）：
超级（自失活）。\uuuuu初始化（**kwargs）
self.num\u输出=num\u输出
self.threshold=阈值
def构建（自我，输入_形状）：
通过
def呼叫（自我，输入）：
返回tf.cond（输入>自阈值，
lambda:tf.add（tf.multiply（输入，0），1），#设置为1
lambda:tf.multiply（输入，0））#设置为0
#>……同上
添加模型（keras.layers.Dense（2，activation='softmax'））
添加（MyHeavisideActivation（2，name='custom_activation'））#输出层
模型。预测类（…）模型。预测（…）