資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何使用 Keras 和 Embedding 層在 Python 中共享層？
Keras 是作為 ONEIROS 專案（開放式神經電子智慧機器人作業系統）研究的一部分而開發的。Keras 是一個用 Python 編寫的深度學習 API。它是一個高階 API，具有高效的介面，有助於解決機器學習問題。它執行在 TensorFlow 框架之上。它的構建是為了幫助以快速的方式進行實驗。它提供了開發和封裝機器學習解決方案所必需的基本抽象和構建塊。
它具有高度的可擴充套件性，並具有跨平臺功能。這意味著 Keras 可以執行在 TPU 或 GPU 叢集上。Keras 模型還可以匯出到 Web 瀏覽器或手機上執行。
Keras 已經存在於 TensorFlow 包中。可以使用以下程式碼行訪問它：
import tensorflow from tensorflow import keras
Keras 函式式 API 有助於建立與使用順序 API 建立的模型相比更靈活的模型。函式式 API 可以處理具有非線性拓撲的模型，可以共享層並處理多個輸入和輸出。深度學習模型通常是一個包含多個層的有向無環圖 (DAG)。函式式 API 有助於構建層圖。
我們正在使用 Google Colaboratory 來執行以下程式碼。Google Colab 或 Colaboratory 有助於透過瀏覽器執行 Python 程式碼，並且無需任何配置即可免費訪問 GPU（圖形處理單元）。Colaboratory 是建立在 Jupyter Notebook 之上的。以下是使用 Python 實現 Keras 與 Embedding 層共享層的程式碼片段：
示例
print("Embedding for 2000 unique words mapped to 128-dimensional vectors")
shared_embedding = layers.Embedding(2000, 128)
print("Variable-length integer sequence")
text_input_a = keras.Input(shape=(None,), dtype="int32")
print("Variable-length integer sequence")
text_input_b = keras.Input(shape=(None,), dtype="int32")
print("Reuse the same layers to encode both the inputs")
encoded_input_a = shared_embedding(text_input_a)
encoded_input_b = shared_embedding(text_input_b)程式碼來源 - https://www.tensorflow.org/guide/keras/functional
輸出
Embedding for 2000 unique words mapped to 128-dimensional vectors Variable-length integer sequence Variable-length integer sequence Reuse the same layers to encode both the inputs
解釋
函式式 API 模型使用共享層。
這些共享層是可以多次在同一模型中重用的例項。
這些層學習與圖中多個路徑相對應的特徵。
共享層還用於編碼來自文字兩個不同部分的輸入，這些部分具有相同的詞彙表。
這樣，就可以在不同的輸入之間共享資訊。
因此，模型可以在較少的資料量上進行訓練。
在上面的程式碼中，“Embedding”層在兩個不同的文字之間共享。
268 次瀏覽
