如何在Keras中无需自定义类实现两个Dense层间的循环连接？

你要的循环连接结构完全可以用Keras的Functional API实现，不用写自定义类。核心就是把输出层的结果和原始输入拼接后，作为hidden1层的输入，形成闭环。

完整代码 #

import tensorflow as tf
from tensorflow import keras

# 定义输入层
inputs = keras.layers.Input(shape=(1,))

# 提前定义所有用到的层实例
concat_layer = keras.layers.Concatenate()
hidden1 = keras.layers.Dense(10, name='hidden1')
hidden2 = keras.layers.Dense(10, name='hidden2')
outputs_layer = keras.layers.Dense(1, name='outputs')

# 初始化反馈信号（第一次迭代用零向量替代输出）
current_feedback = keras.layers.Lambda(lambda x: tf.zeros_like(x))(inputs)

# 构建循环连接路径
concat_result = concat_layer([inputs, current_feedback])
hidden_out1 = hidden1(concat_result)
hidden_out2 = hidden2(hidden_out1)
final_output = outputs_layer(hidden_out2)

# 如果需要多次循环迭代，直接用for循环重复上述步骤即可
# 比如循环3次：
# for _ in range(3):
#     concat_result = concat_layer([inputs, final_output])
#     hidden_out1 = hidden1(concat_result)
#     hidden_out2 = hidden2(hidden_out1)
#     final_output = outputs_layer(hidden_out2)

# 定义模型
model = keras.Model(inputs=inputs, outputs=final_output)

说明 #

• 第一次迭代时用零向量作为初始反馈，之后每一轮的输出都会作为下一轮的反馈信号，和原始输入拼接后传入hidden1层，完美实现你要的循环结构。
• 所有操作都用Keras内置层完成，完全不需要自定义类。

内容的提问来源于stack exchange，提问作者Thomas Wagenaar