Kerasレイヤーを作成

シンプルで状態を持たない独自演算では,layers.core.Lambdaを用いるべきでしょう. しかし,学習可能な重みを持つ独自演算は,自身でレイヤーを実装する必要があります.

以下にKeras 2.0でのレイヤーの枠組みを示します(古いバージョンを使っている場合は,更新してください). 実装する必要のあるメソッドは3つだけです.

  • build(input_shape): これは重みを定義するメソッドです.このメソッドは,self.built = Trueをセットしなければいけません,これはsuper([Layer], self).build()を呼び出しでできます.
  • call(x): ここではレイヤーのロジックを記述します.オリジナルのレイヤーでマスキングをサポートしない限り,第1引数である入力テンソルがcallに渡されることに気を付けてください.
  • get_output_shape_for(input_shape): 作成したレイヤーの内部で入力のshapeを変更する場合には,ここでshape変換のロジックを指定する必要があります.こうすることでKerasが自動的にshapeを推定します.
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)

既存のKerasレイヤーは何を実装するにしても十分な例を提供しています.なので,躊躇せずソースコードを読んでください!