相关疑难解决方法(0)

我想创建一个网络，其中输入层中的节点仅连接到下一层中的某些节点。这是一个小例子：

到目前为止，我的解决方案是将i1和之间的边的权重设置h1为零，并且在每个优化步骤之后，我将权重乘以一个矩阵（我称之为矩阵掩码矩阵），其中每个条目都是 1，除了权重的条目之间的边缘i1和h1。（见下面的代码）

这种做法对吗？或者这对 GradientDescent 有影响吗？有没有另一种方法可以在 TensorFlow 中创建这种网络？

import tensorflow as tf
import tensorflow.contrib.eager as tfe
import numpy as np

tf.enable_eager_execution()


model = tf.keras.Sequential([
  tf.keras.layers.Dense(2, activation=tf.sigmoid, input_shape=(2,)),  # input shape required
  tf.keras.layers.Dense(2, activation=tf.sigmoid)
])


#set the weights
weights=[np.array([[0, 0.25],[0.2,0.3]]),np.array([0.35,0.35]),np.array([[0.4,0.5],[0.45, 0.55]]),np.array([0.6,0.6])]

model.set_weights(weights)

model.get_weights()

features = tf.convert_to_tensor([[0.05,0.10 ]])
labels =  tf.convert_to_tensor([[0.01,0.99 ]])


mask =np.array([[0, 1],[1,1]])

#define the loss function
def loss(model, x, y):
  y_ = model(x)
  return tf.losses.mean_squared_error(labels=y, predictions=y_)

#define the gradient calculation
def …