在我的計算管道中，我使用了自定義函數(shù)來創(chuàng)建自定義 keras 塊，并且我多次使用此塊Conv2D。最后，我得到了兩個不同的張量，它們具有不同張量形狀的特征圖：TensorShape([None, 21, 21, 64])和TensorShape([None, 10, 10, 192])。在這種情況下，使用tf.keras.layers.concatenate串聯(lián)對我來說不起作用。誰能指出如何將這兩個張量連接成一個？有什么想法可以實現(xiàn)這一點嗎？如果我能夠?qū)⑿螤顬門ensorShape([None, 21, 21, 64])和 的張量連接起來TensorShape([None, 10, 10, 192])，我想在連接后執(zhí)行以下操作。x = Conv2D(32, (2, 2), strides=(1,1), padding='same')(merged_tensors)x = BatchNormalization(axis=-1)(x)x = Activation('relu')(x)x = MaxPooling2D(pool_size=(2,2))(x)x = Flatten()(x)x = Dense(256)(x)x = BatchNormalization()(x)x = Activation('relu')(x)x = Dropout(0.25)(x)x = Dropout(0.25)(x)x = Dense(10)(x)x = Activation('softmax')(x)outputs = xmodel = tf.keras.Model(inputs=inputs, outputs=outputs)我嘗試在 1D 卷積中重塑形狀為TensorShape([None, 21, 21, 64])和 的張量TensorShape([None, 10, 10, 192])并進行合并，然后將輸出重塑回 2d 卷積。我的方法行不通。誰能建議可能的方法來做到這一點？有什么想法嗎？更新我仍然不確定獲得串聯(lián)輸出形狀的方式是否有效，TensorShape([None, 21+10, 21+10, 192+64])因為我不確定它從數(shù)學角度來看是否有意義。如何使這種串聯(lián)變得簡單且正確？連接的正確形狀是什么？任何想法？
1 回答
偶然的你
TA貢獻1841條經(jīng)驗 獲得超3個贊
要操作串聯(lián)，您應(yīng)該提供除串聯(lián)軸之外形狀相同的圖層...在圖像的情況下，如果您想在特征維度（軸 -1）上串聯(lián)它們，則圖層必須具有相同的batch_dim、寬度和高度。
如果你想強制執(zhí)行該操作，你需要做一些等于維度的事情。一種可能性是填充。下面是我在最后一個維度上連接兩層的示例
batch_dim = 32
x1 = np.random.uniform(0,1, (batch_dim, 10,10,192)).astype('float32')
x2 = np.random.uniform(0,1, (batch_dim, 21,21,64)).astype('float32')
merged_tensors = Concatenate()([ZeroPadding2D(((6,5),(6,5)))(x1), x2]) # (batch_dim, 21, 21, 192+64)
使用池化而不是填充：
batch_dim = 32
x1 = np.random.uniform(0,1, (batch_dim, 10,10,192)).astype('float32')
x2 = np.random.uniform(0,1, (batch_dim, 21,21,64)).astype('float32')
merged_tensors = Concatenate()([MaxPool2D(2)(x2), x1]) # (batch_dim, 10, 10, 192+64)
添加回答
舉報
0/150
提交
取消