自定义网络层

import tensorflow as tf
import tensorflow as keras
from tensorflow.keras import layers,optimizers,losses,Sequential

class MyDense(layers.Layer):
    def __init__(self,inp_dim,outp_dim):
        super(MyDense,self).__init__()
        #创建权值张量并添加到管理列表中，设置为需要优化
        self.kernel=self.add_variable('w',[inp_dim,outp_dim],trainable=True)
        #tf.Variable()类型的类成员变量也会自动纳入张量管理中
        #elf.kernel=tf.Variable(tf.random.nromal([inp_dim,outp_dim]),trainable=True)
    def call(self,inputs,training=True):
        out=inputs@self.kernel
        out=tf.nn.relu(out)
        return out
net=MyDense(4,3)#创建输入为4，输出为3节点的自定义层
net.variables,net.trainable_variables#查看自定义层的参数列表
#使用自定义网络层
network=Sequential([MyDense(784,256),
                   MyDense(256,128),
                   MyDense(128,64),
                   MyDense(64,32),
                   MyDense(32,10)])

network.build(input_shape=(None,28*28))#自动创建所有层的内部张量
network.summary()#打印出网络结构和参数量

Model: "sequential_2"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
my_dense_13 (MyDense)        multiple                  200704    
_________________________________________________________________
my_dense_14 (MyDense)        multiple                  32768     
_________________________________________________________________
my_dense_15 (MyDense)        multiple                  8192      
_________________________________________________________________
my_dense_16 (MyDense)        multiple                  2048      
_________________________________________________________________
my_dense_17 (MyDense)        multiple                  320       
=================================================================
Total params: 244,032
Trainable params: 244,032
Non-trainable params: 0

最后

以上就是明亮煎蛋为你收集整理的自定义网络层的全部内容，希望文章能够帮你解决自定义网络层所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。