代码之家 › 专栏 › 技术社区 › mrgloom

类K.zeros_(x)的K.int_形

deep-learning keras python

0

mrgloom · 技术社区 · 7 年前

这是我的自定义填充层:

   class CustomZeroPadding2D(Layer):
        def __init__(self, **kwargs):
            super(CustomZeroPadding2D, self).__init__(**kwargs)

        def build(self, input_shape):
            super(CustomZeroPadding2D, self).build(input_shape)

        def call(self, x):
            print('K.int_shape(x)', K.int_shape(x))
            print('K.int_shape(K.zeros_like(x))', K.int_shape(K.zeros_like(x)))
            res = concatenate([x, K.zeros_like(x)], axis=-1)
            return res

        def compute_output_shape(self, input_shape):
            output_shape = (input_shape[0], input_shape[1], input_shape[2]*2)
            return output_shape

K.int_shape(x) (None, 128, 128, 7)

但是

K.int_shape(K.zeros_like(x)) (None, None, None, 7)

在里面 doc instantiates an all-zeros variable of the same shape as another tensor

更新:

ValueError: A `Concatenate` layer requires inputs with matching shapes except for the concat axis. Got inputs shapes: [(None, 128, 128, 7), (None, None, None, 7)]

2 回复 | 直到 7 年前

1

Community Mohan Dere 5 年前

没有什么不对的。

如果您能够连接到 axis=-1 ,你可以确定所有的三个第一维度都是相等的。

现在,tensorflow和/或keras中可能存在一些内在的怪癖,也许是为了让事情变得更快,也许是为了让它们灵活地适应不同的尺寸。没什么大不了的。

如果希望得到当前值的真实形状,则需要计算( K.eval() ) K.shape(x) 张量。但评估不能在层内完成。这必须像预测一样进行。

层 . 你应该使用 keras.backend.concatenate([...], axis=-1)

2

0

mrgloom 7 年前

keras.backend.concatenate keras.layers.concatenate :

class CustomZeroPadding2D(Layer):
    def __init__(self, **kwargs):
        super(CustomZeroPadding2D, self).__init__(**kwargs)

    def build(self, input_shape):
        super(CustomZeroPadding2D, self).build(input_shape)

    def call(self, x):
        res = K.concatenate([x, K.zeros_like(x)], axis=-1)
        return res

    def compute_output_shape(self, input_shape):
        output_shape = list(input_shape)
        output_shape[-1] = output_shape[-1] * 2
        output_shape = tuple(output_shape)
        return output_shape