Keras 自定义 softmax 层：是否可以根据输入层中的零作为数据，在 softmax 层的输出中将输出神经元设置为 0？

Question

我有一个神经网络，最后一层有 10 个输出神经元，使用 softmax 激活。我还确切地知道，根据输入值，输出层中的某些神经元应具有 0 值。所以我有一个包含 10 个神经元的特殊输入层，每个神经元要么是 0 要么是 1。

是否有可能以某种方式强制输出神经元号。如果输入神经元 3 也为 0，则 3 的值 = 0？

action_input = Input(shape=(10,), name='action_input')
...

x = Dense(10,  kernel_initializer = RandomNormal(),bias_initializer = RandomNormal() )(x)
x = Activation('softmax')(x)

我知道有一种方法可以掩盖神经网络外部输出层的结果，并重塑所有非零相关输出（以便总和为 1）。但我想在网络内解决这个问题，并在网络训练期间也使用它。我应该为此使用自定义图层吗？

Answer 1

您可以使用 Lambda 层和 K.switch 检查输入中的零值并在输出中屏蔽它们：

from keras import backend as K

inp = Input((5,))
soft_out = Dense(5, activation='softmax')(inp)
out = Lambda(lambda x: K.switch(x[0], x[1], K.zeros_like(x[1])))([inp, soft_out])

model = Model(inp, out)

model.predict(np.array([[0, 3, 0, 2, 0]]))
# array([[0., 0.35963967, 0., 0.47805876, 0.]], dtype=float32)

但是，如您所见，输出的总和不再为一。如果你希望总和为一，你可以重新缩放值：

def mask_output(x):
    inp, soft_out = x
    y = K.switch(inp, soft_out, K.zeros_like(inp))
    y /= K.sum(y, axis=-1)
    return y

# ...
out = Lambda(mask_output)([inp, soft_out])

Answer 2

最后我想出了这个代码：

from keras import backend as K
import tensorflow as tf
def mask_output2(x):
    inp, soft_out = x
    # add a very small value in order to avoid having 0 everywhere
    c = K.constant(0.0000001, dtype='float32', shape=(32, 13))
    y = soft_out + c

    y = Lambda(lambda x: K.switch(K.equal(x[0],0), x[1], K.zeros_like(x[1])))([inp, soft_out])
    y_sum =  K.sum(y, axis=-1)

    y_sum_corrected = Lambda(lambda x: K.switch(K.equal(x[0],0), K.ones_like(x[0]), x[0] ))([y_sum])

    y_sum_corrected = tf.divide(1,y_sum_corrected)

    y = tf.einsum('ij,i->ij', y, y_sum_corrected)
    return y

Keras 自定义 softmax 层：是否可以根据输入层中的零作为数据，在 softmax 层的输出中将输出神经元设置为 0？

Keras custom softmax layer: Is it possible to have output neurons set to 0 in the output of a softmax layer based on zeros as data in an input layer?

python

machine-learning

neural-network

keras

softmax