python - 复制具有相同属性的 tensorflow 层以形成图

Question

我尝试使用神经网络实现的任务与其最常见的用法略有不同。我尝试通过优化代表物理属性的网络权重，将某些内容从输入层传播到输出层来模拟物理过程。

因此，我需要一个 150 层网络，其中每一层都具有相同的属性，格式为

mx+b

其中 x 是我喜欢优化的变量，m 是每个层都相同的外部因素(b 目前未使用)。

我想自动化创建图表的过程，而不是复制/粘贴每个图层。那么有没有一个函数可以将第一层的结构复制到后面的所有层呢？

在 tensorflow 中，它应该看起来像这样:

graph = tf.Graph()
with graph.as_default():

    # Input data.
    tf_input = tf.placeholder(tf.float32, shape=(n_data, n))
    tf_spatial_grid = tf.constant(m_index_mat)
    tf_ph_unit = tf.const(m_unit_mat)
    tf_output = tf.placeholder(tf.float32, shape=(n_data, n))

    # new hidden layer 1    
    hidden_weights = tf.Variable( tf.truncated_normal([n*n, 1]) )
    hidden_layer = tf.nn.matmul( tf.matmul( tf_input, hidden_weights), tf_ph_unit)

    # new hidden layer 2
    hidden_weights_2 = tf.Variable( tf.truncated_normal([n*n, 1]) )
    hidden_layer_2 = tf.nn.matmul( tf.matmul( hidden_layer, hidden_weights_2), tf_ph_unit)

……

    # new hidden layer n
    hidden_weights_n = tf.Variable( tf.truncated_normal([n*n, 1]) )
    hidden_layer_n = tf.nn.matmul( tf.matmul( hidden_layer_m, hidden_weights_n), tf_ph_unit)

...

那么有什么选项可以以某种方式自动执行此过程吗？也许我错过了一些东西

我真的很感谢任何帮助!

Answer 1

实现这一点的最简单方法是创建一个构建层的函数，并简单地多次调用该函数(可能是在循环中)。

例如:

def layer(input):
    hidden_weights = tf.Variable( tf.truncated_normal([n*n, 1]) )
    hidden_layer = tf.nn.matmul( tf.matmul( input, hidden_weights), tf_ph_unit)
    return hidden_layer

然后:

input = tf_input
for i in range(10):
    input = layer(input)