我试图用Keras编写一个Lambda样式的层,它将前1D密集层(output_ulen)中的每个权重量化到最近的1/128步。在
我曾尝试在Keras后端使用map_tf函数,但到目前为止我没有运气。在
基本上,我要做的是将以下函数元素应用于一维输入张量:
def quantize(x):
'Squashes x (0->1) to steps of 1/128'
precision = 3
base = 0.0078125 # 1/128
if x < 0:
x = 0
elif x > 1:
x = 1
return round(base * round(float(x)/base) - 1/256, precision)
例如,这个预测的结果是:
^{pr2}$我要达到的目标是可能的吗?在
谢谢。在
我会这样做:
输出:
如果你能忍受舍入误差。。。在
相关问题 更多 >
编程相关推荐