(Отказ от ответственности: я упростил свою проблему до основных моментов, то, что я хочу сделать, немного сложнее, но я опишу здесь основную проблему.)
Я пытаюсь построить сеть, используя keras, чтобы узнать свойства некоторых 5 на 5 матриц.
Входные данные представлены в виде массива 1000 на 5 на 5 numpy, где каждый подмассив 5 на 5 представляет одну матрицу.
Что я хочу, чтобы сеть Для этого нужно использовать свойства каждой строки в матрице, поэтому я хотел бы разделить каждый массив 5 на 5 на отдельные массивы 1 на 5 и передать каждый из этих 5 массивов в следующую часть сети.
Вот то, что у меня есть:
input_mat = keras.Input(shape=(5,5), name='Input')
part_list = list()
for i in range(5):
part_list.append(keras.layers.Lambda(lambda x: x[i,:])(input_mat))
dense_list = list()
for i in range(5):
dense_list.append( keras.layers.Dense(10, activation='selu',
use_bias=True)(part_list[i]) )
conc = keras.layers.Concatenate(axis=-1, name='Concatenate')(dense_list)
dense_out = keras.layers.Dense(1, name='D_out', activation='sigmoid')(conc)
model = keras.Model(inputs= input_mat, outputs=dense_out)
model.compile(optimizer='adam', loss='mean_squared_error')
Моя проблема в том, что это выглядит плохо, и, глядя на сводку модели, я не уверен, что сеть разделяет входы, так как я хотел бы:
Layer (type) Output Shape Param # Connected to
==================================================================================================
Input (InputLayer) (None, 5, 5) 0
__________________________________________________________________________________________________
lambda_5 (Lambda) (5, 5) 0 Input[0][0]
__________________________________________________________________________________________________
lambda_6 (Lambda) (5, 5) 0 Input[0][0]
__________________________________________________________________________________________________
lambda_7 (Lambda) (5, 5) 0 Input[0][0]
__________________________________________________________________________________________________
lambda_8 (Lambda) (5, 5) 0 Input[0][0]
__________________________________________________________________________________________________
lambda_9 (Lambda) (5, 5) 0 Input[0][0]
__________________________________________________________________________________________________
dense (Dense) (5, 10) 60 lambda_5[0][0]
__________________________________________________________________________________________________
dense_1 (Dense) (5, 10) 60 lambda_6[0][0]
__________________________________________________________________________________________________
dense_2 (Dense) (5, 10) 60 lambda_7[0][0]
__________________________________________________________________________________________________
dense_3 (Dense) (5, 10) 60 lambda_8[0][0]
__________________________________________________________________________________________________
dense_4 (Dense) (5, 10) 60 lambda_9[0][0]
__________________________________________________________________________________________________
Concatenate (Concatenate) (5, 50) 0 dense[0][0]
dense_1[0][0]
dense_2[0][0]
dense_3[0][0]
dense_4[0][0]
__________________________________________________________________________________________________
D_out (Dense) (5, 1) 51 Concatenate[0][0]
==================================================================================================
Total params: 351
Trainable params: 351
Non-trainable params: 0
Узлы ввода и вывода слоев Lambda выглядят неправильно для меня, хотя, боюсь, я все еще пытаюсь понять концепцию.