带参数的自定义激活

Custom activation with parameter

我正在尝试在 Keras 中创建一个可以接受参数 beta 的激活函数,如下所示:

from keras import backend as K
from keras.utils.generic_utils import get_custom_objects
from keras.layers import Activation

class Swish(Activation):

    def __init__(self, activation, beta, **kwargs):
        super(Swish, self).__init__(activation, **kwargs)
        self.__name__ = 'swish'
        self.beta = beta


def swish(x):
    return (K.sigmoid(beta*x) * x)

get_custom_objects().update({'swish': Swish(swish, beta=1.)})

没有 beta 参数也能正常运行,但如何在激活定义中包含该参数?当我像激活 ELU 一样 model.to_json() 时,我也希望保存这个值。


更新:我根据@今天的回答写了下面的代码:

from keras.layers import Layer
from keras import backend as K

class Swish(Layer):
    def __init__(self, beta, **kwargs):
        super(Swish, self).__init__(**kwargs)
        self.beta = K.cast_to_floatx(beta)
        self.__name__ = 'swish'

    def call(self, inputs):
        return K.sigmoid(self.beta * inputs) * inputs

    def get_config(self):
        config = {'beta': float(self.beta)}
        base_config = super(Swish, self).get_config()
        return dict(list(base_config.items()) + list(config.items()))

    def compute_output_shape(self, input_shape):
        return input_shape

from keras.utils.generic_utils import get_custom_objects
get_custom_objects().update({'swish': Swish(beta=1.)})
gnn = keras.models.load_model("Model.h5")
arch = gnn.to_json()
with open(directory + 'architecture.json', 'w') as arch_file:
    arch_file.write(arch)

但是,它当前不会在 .json 文件中保存 beta 值。怎样才能让它保值?

既然在序列化模型的时候要保存激活函数的参数,我觉得还是像advanced activations which have been defined in Keras一样把激活函数定义成一层比较好。你可以这样做:

from keras.layers import Layer
from keras import backend as K

class Swish(Layer):
    def __init__(self, beta, **kwargs):
        super(Swish, self).__init__(**kwargs)
        self.beta = K.cast_to_floatx(beta)

    def call(self, inputs):
        return K.sigmoid(self.beta * inputs) * inputs

    def get_config(self):
        config = {'beta': float(self.beta)}
        base_config = super(Swish, self).get_config()
        return dict(list(base_config.items()) + list(config.items()))

    def compute_output_shape(self, input_shape):
        return input_shape

然后您可以像使用 Keras 层一样使用它:

# ...
model.add(Swish(beta=0.3))

由于get_config()方法已经在其定义中实现,所以当使用to_json()save().

等方法时,参数beta将被保存