在R中使用tf.keras

Question

我想将我的人工神经网络实现转换到新的tensorflow 2平台，其中keras是(tf.keras)的隐含部分。有什么推荐的资源来解释在R中使用tensorflow 2/tf.keras的ANN的实现吗？

此外，当keras现在是tensorflow的隐含部分时，为什么有来自F.Chollet的额外keras package可用？

对于这些基本的问题，我很抱歉，但不幸的是，我自己的搜索并没有成功。

Answer 1

从原始的tensorflow文档中，我提取了以下Python代码：

input1 = keras.layers.Input(shape=(16,))
x1 = keras.layers.Dense(8, activation='relu')(input1)
input2 = keras.layers.Input(shape=(32,))
x2 = keras.layers.Dense(8, activation='relu')(input2)
added = keras.layers.add([x1, x2])

out = keras.layers.Dense(4)(added)
model = keras.models.Model(inputs=[input1, input2], outputs=out)

我自己的R转换是

library(tensorflow)
k <- tf$keras
l <- k$layers

input1 <- k$layers$Input(shape = c(16,?))
x1 <- k$layers$Dense(units = 8, activation = "relu") (input1)
input2 <- k$layers$Input(shape = c(32,?))
x2 <- k$layers$Dense(units = 8, activation = "relu") (input2)
added <- k$layers$add(inputs = c(x1,x2))

我希望我的问题看起来不是太愚蠢，但我在实现python tuple resp时遇到了问题。标量转换为R等效项。所以我的问题是:如何将输入层中的形状参数转换为R？

Answer 2

我认为下面的页面应该为你的问题提供答案：https://blogs.rstudio.com/ai/posts/2019-10-08-tf2-whatchanges/。

从本质上讲，如果您使用的是2.2.4.1或更高版本的Keras，那么您的代码应该保持不变。有关更多详细信息，请参阅上面的链接站点。