كيف يمكن ان تستبدل او تضيف طبقة في keras

الكود التالي يوضح كيف تضيف طبقة او تعدل طبقة والتي يطابق اسمها اسم معين regular expression:

import re
from keras.models import Model

def insert_layer_nonseq(model, layer_regex, insert_layer_factory,
                        insert_layer_name=None, position='after'):

    # توضيح الرسم الخاص بالنموذج
    network_dict = {'input_layers_of': {}, 'new_output_tensor_of': {}}

    # تعيينالدخل لكل طبقة
    for layer in model.layers:
        for node in layer._outbound_nodes:
            layer_name = node.outbound_layer.name
            if layer_name not in network_dict['input_layers_of']:
                network_dict['input_layers_of'].update(
                        {layer_name: [layer.name]})
            else:
                network_dict['input_layers_of'][layer_name].append(layer.name)

    # تعيين الخرج لكل دخل
    network_dict['new_output_tensor_of'].update(
            {model.layers[0].name: model.input})

    # نمر على كل الطقات بعد تعيين الدخل
    model_outputs = []
    for layer in model.layers[1:]:

        # نوضح ال tensor 
        layer_input = [network_dict['new_output_tensor_of'][layer_aux] 
                for layer_aux in network_dict['input_layers_of'][layer.name]]
        if len(layer_input) == 1:
            layer_input = layer_input[0]

        # نقوم باضافة طبقة اذا وافق اسمها اسم معين
        if re.match(layer_regex, layer.name):
            if position == 'replace':
                x = layer_input
            elif position == 'after':
                x = layer(layer_input)
            elif position == 'before':
                pass
            else:
                raise ValueError('position must be: before, after or replace')

            new_layer = insert_layer_factory()
            if insert_layer_name:
                new_layer.name = insert_layer_name
            else:
                new_layer.name = '{}_{}'.format(layer.name, 
                                                new_layer.name)
            x = new_layer(x)
            print('New layer: {} Old layer: {} Type: {}'.format(new_layer.name,
                                                            layer.name, position))
            if position == 'before':
                x = layer(x)
        else:
            x = layer(layer_input)

 
        network_dict['new_output_tensor_of'].update({layer.name: x})

        # نقوم بحفظ الخرج 
        if layer_name in model.output_names:
            model_outputs.append(x)

    return Model(inputs=model.inputs, outputs=model_outputs)

لحذف ال bias من ال conv2D يمكنك اضافة المتغير use_bias = False للطبقة التي لا تريد استعمال bias فيها.

x = Conv2D(4, (3, 3), activation=None, padding='same', name='conv1', use_bias = False)(inputs1)

بالنسبة لل BatchNormalization, لاضافة طبقة من هذا النوع ستحتاج اولا لاستدعائها

from keras.layers import BatchNormalization

بعدها يمكنك استعمالها كما تستعمل اي طبقة أخرى في keras في المكان الذي تريده

inputs1 = Input((28, 28, 1))
x = Conv2D(4, (3, 3), activation=None, padding='same', name='conv1')(inputs1)
x = BatchNormalization()(x)
x = Activation('relu')(x)