Keras自定义实现带masking的meanpooling层方式


Posted in Python onJune 16, 2020

Keras确实是一大神器,代码可以写得非常简洁,但是最近在写LSTM和DeepFM的时候,遇到了一个问题:样本的长度不一样。对不定长序列的一种预处理方法是,首先对数据进行padding补0,然后引入keras的Masking层,它能自动对0值进行过滤。

问题在于keras的某些层不支持Masking层处理过的输入数据,例如Flatten、AveragePooling1D等等,而其中meanpooling是我需要的一个运算。例如LSTM对每一个序列的输出长度都等于该序列的长度,那么均值运算就只应该除以序列长度,而不是padding后的最长长度。

例如下面这个 3x4 大小的张量,经过补零padding的。我希望做axis=1的meanpooling,则第一行应该是 (10+20)/2,第二行应该是 (10+20+30)/3,第三行应该是 (10+20+30+40)/4。

Keras自定义实现带masking的meanpooling层方式

Keras如何自定义层

在 Keras2.0 版本中(如果你使用的是旧版本请更新),自定义一个层的方法参考这里。具体地,你只要实现三个方法即可。

build(input_shape) : 这是你定义层参数的地方。这个方法必须设self.built = True,可以通过调用super([Layer], self).build()完成。如果这个层没有需要训练的参数,可以不定义。

call(x) : 这里是编写层的功能逻辑的地方。你只需要关注传入call的第一个参数:输入张量,除非你希望你的层支持masking。

compute_output_shape(input_shape) : 如果你的层更改了输入张量的形状,你应该在这里定义形状变化的逻辑,这让Keras能够自动推断各层的形状。

下面是一个简单的例子:

from keras import backend as K
from keras.engine.topology import Layer
import numpy as np

class MyLayer(Layer):

 def __init__(self, output_dim, **kwargs):
 self.output_dim = output_dim
 super(MyLayer, self).__init__(**kwargs)

 def build(self, input_shape):
 # Create a trainable weight variable for this layer.
 self.kernel = self.add_weight(name='kernel', 
  shape=(input_shape[1], self.output_dim),
  initializer='uniform',
  trainable=True)
 super(MyLayer, self).build(input_shape) # Be sure to call this somewhere!

 def call(self, x):
 return K.dot(x, self.kernel)

 def compute_output_shape(self, input_shape):
 return (input_shape[0], self.output_dim)

Keras自定义层如何允许masking

观察了一些支持masking的层,发现他们对masking的支持体现在两方面。

在 __init__ 方法中设置 supports_masking=True。

实现一个compute_mask方法,用于将mask传到下一层。

部分层会在call中调用传入的mask。

自定义实现带masking的meanpooling

假设输入是3d的。首先,在__init__方法中设置self.supports_masking = True,然后在call中实现相应的计算。

from keras import backend as K
from keras.engine.topology import Layer
import tensorflow as tf

class MyMeanPool(Layer):
 def __init__(self, axis, **kwargs):
 self.supports_masking = True
 self.axis = axis
 super(MyMeanPool, self).__init__(**kwargs)

 def compute_mask(self, input, input_mask=None):
 # need not to pass the mask to next layers
 return None

 def call(self, x, mask=None):
 if mask is not None:
 mask = K.repeat(mask, x.shape[-1])
 mask = tf.transpose(mask, [0,2,1])
 mask = K.cast(mask, K.floatx())
 x = x * mask
 return K.sum(x, axis=self.axis) / K.sum(mask, axis=self.axis)
 else:
 return K.mean(x, axis=self.axis)

 def compute_output_shape(self, input_shape):
 output_shape = []
 for i in range(len(input_shape)):
 if i!=self.axis:
 output_shape.append(input_shape[i])
 return tuple(output_shape)

使用举例:

from keras.layers import Input, Masking
from keras.models import Model
from MyMeanPooling import MyMeanPool

data = [[[10,10],[0, 0 ],[0, 0 ],[0, 0 ]],
 [[10,10],[20,20],[0, 0 ],[0, 0 ]],
 [[10,10],[20,20],[30,30],[0, 0 ]],
 [[10,10],[20,20],[30,30],[40,40]]]

A = Input(shape=[4,2]) # None * 4 * 2
mA = Masking()(A)
out = MyMeanPool(axis=1)(mA)

model = Model(inputs=[A], outputs=[out])

print model.summary()
print model.predict(data)

结果如下,每一行对应一个样本的结果,例如第一个样本只有第一个时刻有值,输出结果是[10. 10. ],是正确的。

[[10. 10.]
 [15. 15.]
 [20. 20.]
 [25. 25.]]

在DeepFM中,每个样本都是由ID构成的,多值field往往会导致样本长度不一的情况,例如interest这样的field,同一个样本可能在该field中有多项取值,毕竟每个人的兴趣点不止一项。

采取padding的方法将每个field的特征补长到最长的长度,则数据尺寸是 [batch_size, max_timestep],经过Embedding为每个样本的每个特征ID配一个latent vector,数据尺寸将变为 [batch_size, max_timestep,latent_dim]。

我们希望每一个field的Embedding之后的尺寸为[batch_size, latent_dim],然后进行concat操作横向拼接,所以这里就可以使用自定义的MeanPool层了。希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python使用装饰器和线程限制函数执行时间的方法
Apr 18 Python
Python正则获取、过滤或者替换HTML标签的方法
Jan 28 Python
教你用Python创建微信聊天机器人
Mar 31 Python
使用requests库制作Python爬虫
Mar 25 Python
python读取Excel实例详解
Aug 17 Python
python中cPickle类使用方法详解
Aug 27 Python
PyQt5笔记之弹出窗口大全
Jun 20 Python
pytorch自定义二值化网络层方式
Jan 07 Python
python设置表格边框的具体方法
Jul 17 Python
浅谈anaconda python 版本对应关系
Oct 07 Python
Python Pycharm虚拟下百度飞浆PaddleX安装报错问题及处理方法(亲测100%有效)
May 24 Python
自动在Windows中运行Python脚本并定时触发功能实现
Sep 04 Python
浅谈keras 的抽象后端(from keras import backend as K)
Jun 16 #Python
记录模型训练时loss值的变化情况
Jun 16 #Python
python实现批量转换图片为黑白
Jun 16 #Python
在keras中实现查看其训练loss值
Jun 16 #Python
安装python3.7编译器后如何正确安装opnecv的方法详解
Jun 16 #Python
Keras在训练期间可视化训练误差和测试误差实例
Jun 16 #Python
如何在Windows中安装多个python解释器
Jun 16 #Python
You might like
PHP分页函数代码(简单实用型)
2010/12/02 PHP
如何用PHP实现插入排序?
2013/04/10 PHP
基于php中使用excel的简单介绍
2013/08/02 PHP
PHP错误Cannot use object of type stdClass as array in错误的解决办法
2014/06/12 PHP
Zend Framework教程之资源(Resources)用法实例详解
2016/03/14 PHP
基础的prototype.js常用函数及其用法
2007/03/10 Javascript
jquery实现简单易懂的图片展示小例子
2013/11/21 Javascript
JavaScript实现弹出子窗口并传值给父窗口
2014/12/18 Javascript
jfreechart插件将数据展示成饼状图、柱状图和折线图
2015/04/13 Javascript
jQuery实现的超链接提示效果示例【附demo源码下载】
2016/09/09 Javascript
jquery删除table当前行的实例代码
2016/10/07 Javascript
JS返回只包含数字类型的数组实例分析
2016/12/16 Javascript
Jquery实时监听input value的实例
2017/01/26 Javascript
又一款MVVM组件 构建自己的Vue组件(2)
2017/03/13 Javascript
Angularjs的启动过程分析
2017/07/18 Javascript
基于javascript 显式转换与隐式转换(详解)
2017/12/15 Javascript
在iFrame子页面里实现模态框的方法
2018/08/17 Javascript
vue服务端渲染缓存应用详解
2018/09/12 Javascript
详解element-ui动态限定的日期范围选择器代码片段
2020/07/03 Javascript
Python yield使用方法示例
2013/12/04 Python
python发送邮件接收邮件示例分享
2014/01/21 Python
numpy给array增加维度np.newaxis的实例
2018/11/01 Python
Python基于百度云文字识别API
2018/12/13 Python
Python 合并多个TXT文件并统计词频的实现
2019/08/23 Python
Python list与NumPy array 区分详解
2019/11/06 Python
python matplotlib模块基本图形绘制方法小结【直线,曲线,直方图,饼图等】
2020/04/26 Python
利用Python中的Xpath实现一个在线汇率转换器
2020/09/09 Python
大学校园毕业自我鉴定
2014/01/15 职场文书
点菜员岗位职责范本
2014/02/14 职场文书
高考寄语大全
2014/04/08 职场文书
审计专业自荐信范文
2014/04/21 职场文书
化学工程专业求职信
2014/08/10 职场文书
公司法定代表人授权委托书
2014/09/29 职场文书
《卧薪尝胆》读后感3篇
2019/12/26 职场文书
如何使用 resize 实现图片切换预览功能
2021/08/23 HTML / CSS
Nginx禁止ip访问或非法域名访问
2022/04/07 Servers