首页 文章

将个人 Channels 的张量传递到Keras的图层

提问于
浏览 次
1

我试图模拟与theano后端的SeparableConvolution2D层相当的东西（它已经存在于TensorFlow后端） . 作为第一步我需要做的是将一个通道从张量传递到下一层 . 所以说我有一个名为conv1的2D卷积层，有16个过滤器，它产生一个形状为的输出：（batch_size，16，height，width）我需要选择形状为（：，0，：，:)的subtensor并将其传递给下一层 . 够简单吧？

这是我的代码：

from keras import backend as K

image_input = Input(batch_shape = (batch_size, 1, height, width ), name = 'image_input' )

conv1 = Convolution2D(16, 3, 3, name='conv1', activation = 'relu')(image_input)

conv2_input = K.reshape(conv1[:,0,:,:] , (batch_size, 1, height, width))

conv2 = Convolution2D(16, 3, 3, name='conv1', activation = 'relu')(conv2_input)

抛出：

Exception: You tried to call layer "conv1". This layer has no information about its expected input shape, and thus cannot be built. You can build it manually via: layer.build(batch_input_shape)

为什么图层没有所需的形状信息？我正在使用theano后端的重塑 . 这是将各个 Channels 传递到下一层的正确方法吗？

neural-network theano conv-neural-network keras

1 回答

  • 1

    我在keras用户组问了这个问题，我在那里得到了答案：

    https://groups.google.com/forum/#!topic/keras-users/bbQ5CbVXT1E

    引用它：

    您需要使用lambda图层，例如：Lambda（x：x [：，0：1，：，：]，output_shape = lambda x：（x [0]，1，x [2]，x [3] ））注意，这种可分离卷积的手动实现效率非常低 . 正确的解决方案是使用TensorFlow后端 .

    回复于

相关问题