Deep Learning avec Keras et TensorFlow

164

Chapitre 4. Modèles personnalisés et entraînement avec TensorFlow

def compute_output_shape(self, batch_input_shape):

b1, b2 = batch_input_shape

return [b1, b1, b1] # Devrait probablement gérer les règles

# de diffusion

Cette couche peut à présent être utilisée comme n’importe quelle autre couche,

mais, évidemment, uniquement avec les API Functional et Subclassing. Elle est

incompatible avec l’API Sequential, qui n’accepte que des couches ayant une entrée

et une sortie.

Si la couche doit afcher des comportements différents au cours de l’en

-

traînement et des tests (par exemple, si elle utilise les couches Dropout ou

BatchNormalization), nous ...