如何在 Keras 中实现具有多个输出的自定义层

Question

就像标题中所述，我想知道如何让自定义层返回多个张量：out1，out2,...出局？
我试过了

keras.backend.concatenate([out1, out2], axis = 1)

但这仅适用于具有相同长度的张量，并且它必须是另一种解决方案，而不是每次都连接两个张量，是吗？

Answer 1

在执行图层计算的图层的 call 方法中，您可以返回张量列表：

def call(self, inputTensor):
    #calculations with inputTensor and the weights you defined in "build"
    #inputTensor may be a single tensor or a list of tensors
    #output can also be a single tensor or a list of tensors
    return [output1,output2,output3]

注意输出形状：

def compute_output_shape(self,inputShape):
    #calculate shapes from input shape    
    return [shape1,shape2,shape3]

使用该层的结果是一个张量列表。当然，某些类型的 keras 层接受列表作为输入，而其他层则不接受。
您必须使用功能性 API Model正确管理输出。在具有多个输出的情况下，使用Sequential模型时可能会遇到问题。

我在我的机器(Keras 2.0.8(上测试了这段代码，它运行良好：

from keras.layers import *
from keras.models import *
import numpy as np
class Lay(Layer):
    def init(self):
        super(Lay,self).__init__()
    def build(self,inputShape):
        super(Lay,self).build(inputShape)
    def call(self,x):
        return [x[:,:1],x[:,-1:]]
    def compute_output_shape(self,inputShape):
        return [(None,1),(None,1)]

inp = Input((2,))
out = Lay()(inp)
print(type(out))
out = Concatenate()(out)
model = Model(inp,out)
model.summary()
data = np.array([[1,2],[3,4],[5,6]])
print(model.predict(data))
import keras
print(keras.__version__)