machine-learning - 如何在tensorflow中使用tf.nn.crelu？

Question

我正在我的简单神经网络中尝试不同的激活函数。

使用tf.nn.relu、tf.nn.sigmoid，...网络会做它应该做的事情。

但是如果我使用tf.nn.crelu，则会出现尺寸错误。

它返回类似[max, min]的内容，并且宽度尺寸大两倍。 我需要做什么？将以下权重和偏差拟合到 crelu 的输出？

Answer 1

你是对的，如果您手动构建网络，则需要调整下一层的尺寸以匹配 tf.nn.crelu 输出。从这个意义上说，tf.nn.crelu不能与tf.nn.relu、tf.nn.elu互换等

如果您使用高级 API，情况会更简单，例如tensorflow slim 。在这种情况下，图层函数负责匹配维度，因此您可以在代码中轻松地将 tf.nn.relu 替换为 tf.nn.crelu/em>。但是，请记住，网络正在悄然变得两倍大。

这是一个例子:

with slim.arg_scope([slim.conv2d, slim.fully_connected],
                    activation_fn=tf.nn.crelu,
                    normalizer_fn=slim.batch_norm,
                    normalizer_params={'is_training': is_training, 'decay': 0.95}):
    conv1 = slim.conv2d(x_image, 16, [5, 5], scope='conv1')
    pool1 = slim.max_pool2d(conv1, [2, 2], scope='pool1')
    conv2 = slim.conv2d(pool1, 32, [5, 5], scope='conv2')
    pool2 = slim.max_pool2d(conv2, [2, 2], scope='pool2')
    flatten = slim.flatten(pool2)
    fc = slim.fully_connected(flatten, 1024, scope='fc1')
    drop = slim.dropout(fc, keep_prob=keep_prob)
    logits = slim.fully_connected(drop, 10, activation_fn=None, scope='logits')

slim.arg_scope 只是将所有提供的参数应用于底层，特别是activation_fn。另请注意最后一层中的 activation_fn=None 以固定输出维度。完整代码可以是found here .