具有可变索引的切片张量与Keras中的Lambda层-Java 学习之路

给定一个3D输入张量（比如说（8,32,100））我试图在Keras中实现一个Lambda图层来选择这样一个输入向量的切片 .

如果我总是想要相同的切片（例如，位于第二维中位置2和4之间的所有输入），我认为这将起作用：

Lambda(lambda x: x[:,2:4,:], output_shape=(3,100,), name="lambda_layer")(input)

但就我而言，对于每个训练样本，我都有兴趣访问不同的切片然后将它们连接到Dense层 . 我在这些行下面尝试了这个选项，但我不能将标量（i和j）提供给模型，因为它们将被视为元组（并且定义 shape=(1) 无效） .

i = Input(shape=(1,), dtype="int32") j = Input(shape=(1,), dtype="int32") Lambda(lambda x: x[:,i:j,:], output_shape=(3,100,), name="lambda_layer")([input,i,j])

1 回答

0
你应该可以做这样的事情：
```
F = Lambda(lambda x, i, j: x[:,i:j,:], output_shape=(3,100,), name="lambda_layer")  # Define your lambda layer
F.arguments = {'i': 2, 'j':4}  # Update extra arguments to F
F(x)  # Call F
```
您可以在这里看到 arguments 如何作为kwargs传递给您的函数：https://github.com/fchollet/keras/blob/bcef86fad4227dcf9a7bb111cb6a81e29fba26c6/keras/layers/core.py#L651
回复于 2024-04-27T02:24:13+08:00

具有可变索引的切片张量与Keras中的Lambda层

1 回答

相关问题