我试图构建一个密集的块,所以我写了一个简单的例子,如下所示:
input_layer = Input(shape=(HEIGHT, WIDTH, 3))
layer1 = Conv2D(1, (3, 3), activation="relu", padding="same")(input_layer)
layer2 = Conv2D(2, (3, 3), activation="relu", padding="same")(layer1)
layer3 = Conv2D(3, (3, 3), activation="relu", padding="same")(layer2)
layer4 = Conv2D(4, (3, 3), activation="relu", padding="same")(layer3)
concatenate([layer3, layer2])
concatenate([layer4, layer3])
concatenate([layer4, layer2])
model = keras.Model(inputs=input_layer, outputs=layer4, name="Dense_block")
keras.utils.plot_model(model, "info.png", show_shapes=True)但是我得到的图不包含任何连接:

可能是我的代码有问题?
发布于 2021-02-11 21:46:00
由于使用outputs=layer4调用model = keras.Model(inputs=input_layer, outputs=layer4, name="Dense_block"),第1层到第4层已连接,并且是模型的一部分。您的连接操作未连接。
您可以通过定义一个新的层来修复这个问题,例如layer5 = concatenate([layer3, layer2]),并在您的model语句中将该层传递给outputs。
对于连接本身,我建议您使用Keras的连接层:tf.keras.layers.Concatenate。Reference here.
layer5 = tf.keras.layers.Concatenate()([layer3, layer2])
model = keras.Model(inputs=input_layer, outputs=layer5, name="Dense_block")https://stackoverflow.com/questions/66155705
复制相似问题