数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何使用 Keras 和 Embedding 层在 Python 中共享层？
Keras 是作为 ONEIROS 项目（开放式神经电子智能机器人操作系统）研究的一部分而开发的。Keras 是一个用 Python 编写的深度学习 API。它是一个高级 API，具有高效的接口，有助于解决机器学习问题。它运行在 TensorFlow 框架之上。它的构建是为了帮助以快速的方式进行实验。它提供了开发和封装机器学习解决方案所必需的基本抽象和构建块。
它具有高度的可扩展性，并具有跨平台功能。这意味着 Keras 可以运行在 TPU 或 GPU 集群上。Keras 模型还可以导出到 Web 浏览器或手机上运行。
Keras 已经存在于 TensorFlow 包中。可以使用以下代码行访问它：
import tensorflow from tensorflow import keras
Keras 函数式 API 有助于创建与使用顺序 API 创建的模型相比更灵活的模型。函数式 API 可以处理具有非线性拓扑的模型，可以共享层并处理多个输入和输出。深度学习模型通常是一个包含多个层的有向无环图 (DAG)。函数式 API 有助于构建层图。
我们正在使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 有助于通过浏览器运行 Python 代码，并且无需任何配置即可免费访问 GPU（图形处理单元）。Colaboratory 是建立在 Jupyter Notebook 之上的。以下是使用 Python 实现 Keras 与 Embedding 层共享层的代码片段：
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)代码来源 - https://tensorflowcn.cn/guide/keras/functional
输出
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
解释
函数式 API 模型使用共享层。
这些共享层是可以多次在同一模型中重用的实例。
这些层学习与图中多个路径相对应的特征。
共享层还用于编码来自文本两个不同部分的输入，这些部分具有相同的词汇表。
这样，就可以在不同的输入之间共享信息。
因此，模型可以在较少的数据量上进行训练。
在上面的代码中，“Embedding”层在两个不同的文本之间共享。
268 次浏览
