keras compute_output_shape不适用于自定义层
keras compute_output_shape不适用于自定义层
提问于 2019-09-24 02:39:11
我定制了一个层，合并了batch_size和第一个维度，其他维度保持不变，但compute_output_shape似乎没有影响，导致后续层无法获得准确的形状信息，导致错误。我如何使compute_output_shape工作？
import keras
from keras import backend as K
class BatchMergeReshape(keras.layers.Layer):
def __init__(self, **kwargs):
super(BatchMergeReshape, self).__init__(**kwargs)
def build(self, input_shape):
super(BatchMergeReshape, self).build(input_shape)
def call(self, x):
input_shape = K.shape(x)
batch_size, seq_len = input_shape[0], input_shape[1]
r = K.reshape(x, (batch_size*seq_len,)+input_shape[2:])
print("call_shape:",r.shape)
return r
def compute_output_shape(self, input_shape):
if input_shape[0] is None:
r = (None,)+input_shape[2:]
print("compute_output_shape:",r)
return r
else:
r = (input_shape[0]*input_shape[1],)+input_shape[2:]
return r
a = keras.layers.Input(shape=(3,4,5))
b = BatchMergeReshape()(a)
print(b.shape)
# call_shape: (?, ?)
# compute_output_shape: (None, 4, 5)
# (?, ?)我需要得到(无，4，5)，但得到(无，无)，为什么compute_output_shape没有工作。我的keras版本是2.2.4
回答 1
Stack Overflow用户
发布于 2019-09-24 03:58:52
问题可能是K.shape返回一个张量，而不是元组。你不能做(batch_size*seq_len,) + input_shape[2:]。这是混合了很多东西，张量和元组，结果肯定是错误的。
好的是，如果您知道其他维度，而不是批处理大小，您只需要这一层：
Lambda(lambda x: K.reshape(x, (-1,) + other_dimensions_tuple))如果你不这样做的话：
input_shape = K.shape(x)
new_batch_size = input_shape[0:1] * input_shape[1:2] #needs to keep a shape of an array
#new_batch_size.shape = (1,)
new_shape = K.concatenate([new_batch_size, input_shape[2:]]) #this is a tensor
#result of concatenating 2 tensors
r = K.reshape(x, new_shape)请注意，这在Tensorflow中有效，但在Theano中可能不起作用。
还请注意，Keras将要求模型输出的批处理大小等于模型输入的批处理大小。这意味着您需要在模型结束之前恢复原来的批处理大小。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/58072362
复制相关文章
相似问题
腾讯云开发者
