首页 文章

在Keras实施暹罗NN

提问于
浏览 次
9

因此，我正在努力实施关于暹罗神经网络的论文：Sumit Chopra，Raia Hadsell和Yann LeCun（2005），通过面部验证的应用来区分相似性度量 . 不过，我正在使用CIFAR10 dataset，有10个 class .

为方便起见，再现了一条腿的规格 . 符号：C_x是卷积层，S_x是子采样层，F_x是完全连接的层;使用共享索引x：

  • C1：要素图：15，内核大小=（7,7）

  • S2：要素图：15，视野=（2,2）

  • C3：要素图：45，内核大小=（6,6）

  • S4：要素图：45，视野=（4,3）

  • C5：要素图：250，内核大小=（5,5）

  • F6（完全连接层）：没有 . 单位= 50

What I've Tried

model = Sequential()

#C1
model.add(Convolution2D(15, 7, 7,
activation='relu',
border_mode='same',
input_shape=input_img_shape))
print("C1 shape: ", model.output_shape)

#S2
model.add(MaxPooling2D((2,2), border_mode='same'))
print("S2 shape: ", model.output_shape)
#...

#C5
model.add(Convolution2D(250, 5, 5, 
activation='relu', 
border_mode='same'))
print("C5 shape: ", model.output_shape)

#F6
model.add(Dense(50))

这会抛出一条长错误信息，我认为这是一个重塑错误 . 错误的片段：

Exception: Input 0 is incompatible with layer dense_13: expected
ndim=2, found ndim=4

我知道问题是在最后的Dense层中被隔离的，因为如果我将它注释掉，代码会顺利进行 . 但我不确定我应该如何塑造/指定我的最终完全连接层，以便它与先前的卷积层兼容？

Some Places I've Looked

This是一个相关的问题，虽然实现略有不同（似乎没有't a ' Siamese ' core layer in keras at the time of this writing). I' m意识到还有implementations in Theano，我只能在keras中无法做到这一点 .

谢谢！

conv-neural-network keras

2 回答

  • 4

    如Matias Valdenegro所述，Keras已经有一个Siamese network的例子 . 但是，该示例仅使用密集层 .

    您的问题是您需要在卷积图层和密集图层之间添加 Flatten 图层以获得正确的形状，请参阅this Keras CNN example

    这两个示例应该可以帮助您构建Siamese网络 .

    回复于
  • 2

    您不需要Siamese Layer，只需使用Keras functional API创建具有两个输入和一个输出的模型 .

    似乎Keras示例already contain一个与您正在实施的模型非常相似的模型 .

    回复于

相关问题