在Keras中，如何对权重矩阵的每一行应用softmax函数？

Question

from keras.models import Model
from keras.models import Input
from keras.layers import Dense

a = Input(shape=(3,))
b = Dense(2, use_bias=False)(a)
model = Model(inputs=a, outputs=b)

假设上面代码中Dense层的权重是[[2, 3], [3, 1], [-1, 1]]。如果我们给[[2, 1, 3]]作为model的输入，那么输出将是：

但是我想将softmax函数应用到Dense层的每一行，这样输出将是：

我该怎么做？在

Answer 1

实现所需内容的一种方法是通过子类化Dense层并重写其call方法来定义自定义层：

from keras import backend as K

class CustomDense(Dense):
    def __init__(self, units, **kwargs):
        super(CustomDense, self).__init__(units, **kwargs)

    def call(self, inputs):
        output = K.dot(inputs, K.softmax(self.kernel, axis=-1))
        if self.use_bias:
            output = K.bias_add(output, self.bias, data_format='channels_last')
        if self.activation is not None:
            output = self.activation(output)
        return output

测试以确保其工作正常：

^{pr2}$

使用numpy验证它：

soft_w = np.exp(w) / np.sum(np.exp(w), axis=-1, keepdims=True)
print(np.dot(inp, soft_w))

[[4.06107115 1.93892885]]