改变keras RELU激活函数的阈值

Question

我正在尝试在构建我的神经网络时更改激活函数的阈值 Relu。

因此，初始代码是下面编写的代码，其中 relu 阈值的默认值为 0。

model = Sequential([
    Dense(n_inputs, input_shape=(n_inputs, ), activation = 'relu'),
    Dense(32, activation = 'relu'),
    Dense(2, activation='softmax')
])

然而，Keras 提供了相同的功能实现，可以参考 here 并添加屏幕截图。

因此，我将代码更改为以下内容以传递自定义函数，结果出现以下错误。

from keras.activations import relu
model = Sequential([
    Dense(n_inputs, input_shape=(n_inputs, ), activation = relu(threshold = 2)), 
    Dense(32, activation = relu(threshold = 2)),
    Dense(2, activation='softmax')
])

错误： TypeError: relu() missing 1 required positional argument: 'x'

我知道错误是我没有在 relu 函数中使用 x 但我无法传递类似的东西。语法要求我写 model.add(layers.Activation(activations.relu)) 但我将无法更改阈值。这是我需要解决方法或解决方案的地方。

然后我使用了 Layer implementation of the ReLU function ，它对我有用，如下所示，但我想知道是否有办法让激活函数实现工作，因为该层并不总是方便添加和我想在 Dense 函数内部做更多的修改。

对我有用的代码：-

from keras.layers import ReLU
model = Sequential([
    Dense(n_inputs, input_shape=(n_inputs, )),
    ReLU(threshold=4), 
    Dense(32),
    ReLU(threshold=4),
    Dense(2, activation='softmax')
])

Answer 1

您遇到的错误是合理的。但是，您可以在 relu 函数上使用以下技巧来完成您的工作。通过这种方式，您定义了一个函数，该函数接受必要的参数，例如 alpha、threshold 等，并且在函数体中，您定义了另一个计算 relu[= 的函数24=] activations with these parameters, and end returns to upper function.

# help(tf.keras.backend.relu) from tensorflow.keras import backend as K def relu_advanced(alpha=0.0, max_value=None, threshold=0): def relu_plus(x): return K.relu(x, alpha = tf.cast(alpha, tf.float32), max_value = max_value, threshold= tf.cast(threshold, tf.float32)) return relu_plus

样本：

foo = tf.constant([-10, -5, 0.0, 5, 10], dtype = tf.float32) tf.keras.activations.relu(foo).numpy() array([ 0., 0., 0., 5., 10.], dtype=float32) x = relu_advanced(threshold=1) x(foo).numpy() array([-0., -0., 0., 5., 10.], dtype=float32)

对于您的情况，只需按如下方式使用：

model = Sequential([ Dense(64, input_shape=(32, ), activation = relu_advanced(threshold=2)), Dense(32, activation = relu_advanced(threshold=2)), Dense(2, activation='softmax') ])

改变keras RELU激活函数的阈值

Change the threshold value of the keras RELU activation function

python

neural-network

keras

tensorflow

relu