如何在笔记本中绘制 keras 激活函数
How to plot keras activation functions in a notebook
我想绘制所有 Keras 激活函数,但其中一些不起作用。即 linear
抛出错误:
AttributeError: 'Series' object has no attribute 'eval'
这很奇怪。如何绘制其余的激活函数?
points = 100
zeros = np.zeros((points,1))
df = pd.DataFrame({"activation": np.linspace(-1.2,1.2,points)})
df["softmax"] = K.eval(activations.elu(df["activation"]))
#df["linear"] = K.eval(activations.linear(df["activation"]))
df["tanh"] = K.eval(activations.tanh(df["activation"]))
df["sigmoid"] = K.eval(activations.sigmoid(df["activation"]))
df["relu"] = K.eval(activations.relu(df["activation"]))
#df["hard_sigmoid"] = K.eval(activations.hard_sigmoid(df["activation"]))
#df["exponential"] = K.eval(activations.exponential(df["activation"]))
df["softsign"] = K.eval(activations.softsign(df["activation"]))
df["softplus"] = K.eval(activations.softplus(df["activation"]))
#df["selu"] = K.eval(activations.selu(df["activation"]))
df["elu"] = K.eval(activations.elu(df["activation"]))
df.plot(x="activation", figsize=(15,15))
那是因为linear
激活了returns没有任何修改的输入:
def linear(x):
"""Linear (i.e. identity) activation function.
"""
return x
由于您将 Pandas 系列作为输入传递,因此将返回相同的 Pandas 系列,因此您不需要使用 K.eval()
:
df["linear"] = activations.linear(df["activation"])
至于 selu
激活,您需要将输入重塑为 (n_samples, n_output)
:
df["selu"] = K.eval(activations.selu(df["activation"].values.reshape(-1,1)))
至于 hard_sigmoid
激活,它的输入应该是明确的张量,您可以使用 K.variable()
:
创建它
df["hard_sigmoid"] = K.eval(activations.hard_sigmoid(K.variable(df["activation"].values)))
此外,exponential
激活就像您写的那样工作,不需要修改。
我想绘制所有 Keras 激活函数,但其中一些不起作用。即 linear
抛出错误:
AttributeError: 'Series' object has no attribute 'eval'
这很奇怪。如何绘制其余的激活函数?
points = 100
zeros = np.zeros((points,1))
df = pd.DataFrame({"activation": np.linspace(-1.2,1.2,points)})
df["softmax"] = K.eval(activations.elu(df["activation"]))
#df["linear"] = K.eval(activations.linear(df["activation"]))
df["tanh"] = K.eval(activations.tanh(df["activation"]))
df["sigmoid"] = K.eval(activations.sigmoid(df["activation"]))
df["relu"] = K.eval(activations.relu(df["activation"]))
#df["hard_sigmoid"] = K.eval(activations.hard_sigmoid(df["activation"]))
#df["exponential"] = K.eval(activations.exponential(df["activation"]))
df["softsign"] = K.eval(activations.softsign(df["activation"]))
df["softplus"] = K.eval(activations.softplus(df["activation"]))
#df["selu"] = K.eval(activations.selu(df["activation"]))
df["elu"] = K.eval(activations.elu(df["activation"]))
df.plot(x="activation", figsize=(15,15))
那是因为linear
激活了returns没有任何修改的输入:
def linear(x):
"""Linear (i.e. identity) activation function.
"""
return x
由于您将 Pandas 系列作为输入传递,因此将返回相同的 Pandas 系列,因此您不需要使用 K.eval()
:
df["linear"] = activations.linear(df["activation"])
至于 selu
激活,您需要将输入重塑为 (n_samples, n_output)
:
df["selu"] = K.eval(activations.selu(df["activation"].values.reshape(-1,1)))
至于 hard_sigmoid
激活,它的输入应该是明确的张量,您可以使用 K.variable()
:
df["hard_sigmoid"] = K.eval(activations.hard_sigmoid(K.variable(df["activation"].values)))
此外,exponential
激活就像您写的那样工作,不需要修改。