首页 文章

Keras自定义图层没有不同的output_shape

提问于
浏览 次
1

我正在尝试在Keras中实现一个层，它为每个输入添加元素 . 因此，输入，重量和输出具有完全相同的形状 . 然而，我正在努力实现这一点，我没有找到任何自动图层的例子，不会改变输入形状 .

来自keras.engine.topology导入层导入keras.backend为K.

class SumationLayer（Layer）：

def __init__(self, **kwargs):
    self.output_dim = K.placeholder(None)
    super(SumationLayer, self).__init__(**kwargs)

def build(self, input_shape):
    # Create a trainable weight variable for this layer.
    self.kernel = self.add_weight(name='kernel', 
                                  shape=(input_shape[1], self.output_dim),
                                  initializer='uniform',
                                  trainable=True)
    super(SumationLayer, self).build(input_shape)  # Be sure to call this somewhere!
    self.output_dim = (input_shape[0], self.output_dim)
def call(self, x):
    return x + self.kernel

def compute_output_shape(self, input_shape):
    return (input_shape[0], self.output_dim)

这会输出以下错误：

TypeError: Value passed to parameter 'shape' has DataType float32 not in list of allowed values: int32, int64

如果我像Keras示例那样实现该层，那么我必须在初始化时输入输出形状，这会产生不希望的行为（通过完全连接输入来平坦化输出） .

python tensorflow keras

1 回答

  • 0

    玩代码我得到它的工作：但这仅适用于二维张量 . 如果你需要一个三维张量，你还需要包含input_shape [3] .

    from keras.layers import Layer, Input
from keras import backend as K
from keras import Model
import tensorflow as tf

class SumationLayer(Layer):

    def __init__(self, **kwargs):
        super(SumationLayer, self).__init__(**kwargs)

    def build(self, input_shape):
        # Create a trainable weight variable for this layer.
        self.kernel = self.add_weight(name='kernel', 
                                      shape=(input_shape[1], input_shape[2]),
                                      initializer='uniform',
                                      trainable=True)
        super(SumationLayer, self).build(input_shape)  # Be sure to call this somewhere!
    def call(self, x):
        return x + self.kernel

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



input = Input(shape = (10,10))
output = SumationLayer()(input)
model = Model(inputs = [input], outputs = [output])
model.summary()
    回复于

相关问题