Как создать пользовательскую функцию активации с помощью Keras?

Ответ 1

Авторы этого комментария к выпуску Github от Ritchie Ng.

# Creating a model
from keras.models import Sequential
from keras.layers import Dense

# Custom activation function
from keras.layers import Activation
from keras import backend as K
from keras.utils.generic_utils import get_custom_objects


def custom_activation(x):
    return (K.sigmoid(x) * 5) - 1

get_custom_objects().update({'custom_activation': Activation(custom_activation)})

# Usage
model = Sequential()
model.add(Dense(32, input_dim=784))
model.add(Activation(custom_activation, name='SpecialActivation'))
print(model.summary())

Имейте в виду, что эту функцию необходимо импортировать при сохранении и восстановлении модели. Смотрите заметку о keras-contrib.

Ответ 2

Немного проще, чем ответ Мартина Тома: вы можете просто создать собственную элементную бэкэнд-функцию и использовать ее в качестве параметра. Вам все еще нужно импортировать эту функцию перед загрузкой вашей модели.

from keras import backend as K

def custom_activation(x):
    return (K.sigmoid(x) * 5) - 1

model.add(Dense(32 , activation=custom_activation))

Ответ 3

Допустим, вы хотели бы добавить swish или gelu в gelu, предыдущие методы - это хорошие встроенные вставки. Но вы также можете вставить их в набор функций активации keras, чтобы вызывать пользовательскую функцию, как если бы вы вызывали ReLU. Я проверил это с помощью keras 2.2.2 (подойдет любой v2). Добавьте в этот файл $HOME/anaconda2/lib/python2.7/site-packages/keras/activations.py определение вашей пользовательской функции (может отличаться для вашей версии python и anaconda).

В керасе внутреннее:

$HOME/anaconda2/lib/python2.7/site-packages/keras/activations.py

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

Тогда в вашем файле Python:

$HOME/Documents/neural_nets.py

model = Sequential()
model.add(Activation('swish'))