使用 Keras 动态展开简单神经网络
Dynamic Unrolling of Simple Neural Nets using Keras
我正在尝试复制一个神经网络来计算分子的能量（下图）。能量是 bonded/non-bonded 相互作用和 angle/dihedral 应变的总和。我有 4 个独立的神经网络，它们找出每一个产生的能量，总能量是每次相互作用产生的能量总和，可能有 100 个。在我的数据集中，我只知道总能量。
如果我的总能量是在不同的神经网络上使用多个（未知数，由分子决定）forward-pos计算的，我如何让keras通过动态构造的总和进行反向传播。非 keras Tensorflow 方法也可以。 （如果我事先知道会有多少键，我会把神经网络的输出加在一起，问题是必须在运行时展开神经网络的副本）。
这只是论文中给出的示例图像：
综上所述，问题是："How do I implement dynamic unrolling and feed it to a sum in Keras?"。
如果其中一个维度未知，可以为 Keras 层指定 (None, actual-shape...) 的形状。然后我们可以使用 TensorFlow 层使用 tf.reduce_sum(layer, axis=0) 对索引为 0 的轴求和。因此动态层大小在 Keras 中并不难实现。
然而，如果输入形状构成更多的约束，我们可以传入附加虚拟 0 值的完整矩阵和掩码矩阵，然后我们可以使用 tf.multiply 拒绝虚拟值，反向传播当然会自动工作。
我正在尝试复制一个神经网络来计算分子的能量（下图）。能量是 bonded/non-bonded 相互作用和 angle/dihedral 应变的总和。我有 4 个独立的神经网络，它们找出每一个产生的能量，总能量是每次相互作用产生的能量总和，可能有 100 个。在我的数据集中，我只知道总能量。
如果我的总能量是在不同的神经网络上使用多个（未知数，由分子决定）forward-pos计算的，我如何让keras通过动态构造的总和进行反向传播。非 keras Tensorflow 方法也可以。 （如果我事先知道会有多少键，我会把神经网络的输出加在一起，问题是必须在运行时展开神经网络的副本）。
这只是论文中给出的示例图像：
综上所述，问题是："How do I implement dynamic unrolling and feed it to a sum in Keras?"。
如果其中一个维度未知，可以为 Keras 层指定 (None, actual-shape...) 的形状。然后我们可以使用 TensorFlow 层使用 tf.reduce_sum(layer, axis=0) 对索引为 0 的轴求和。因此动态层大小在 Keras 中并不难实现。
然而，如果输入形状构成更多的约束，我们可以传入附加虚拟 0 值的完整矩阵和掩码矩阵，然后我们可以使用 tf.multiply 拒绝虚拟值，反向传播当然会自动工作。