时间戳

首页 > 解决方案 > Keras - 将不同数据点的不同参数传递到 Lambda 层

python-3.x - Keras - 将不同数据点的不同参数传递到 Lambda 层

问题描述

我正在研究 Keras/TF 背景下的 CNN 模型。在最终卷积层结束时，我需要汇集过滤器的输出图。GlobalAveragePooling我不得不根据输出地图宽度上存在的时间范围来进行池化，而不是使用或任何其他类型的池化。

因此，假设一个过滤器的样本输出n x m是n时间框架和m特征输出。在这里，我只需要从<= n的帧n1 to n2中汇集输出。所以我的输出切片是，我将在其上应用池化。我遇到了 keras 来做到这一点。但是我被困在一个点上，每个点都会有所不同。所以我的问题是如何将每个数据点的自定义参数传递到一个？还是我以错误的方式处理这个问题？n1n2(n2-n1)*mLambda Layern1n2Lambda Layer

示例片段：

# for slicing a tensor
def time_based_slicing(x, crop_at):
    dim = x.get_shape()
    len_ = crop_at[1] - crop_at[0]
    return tf.slice(x, [0, crop_at[0], 0, 0], [1, len_, dim[2], dim[3]])

# for output shape
def return_out_shape(input_shape):
    return tuple([input_shape[0], None, input_shape[2], input_shape[3]])

# lambda layer addition
model.add(Lambda(time_based_slicing, output_shape=return_out_shape, arguments={'crop_at': (2, 5)}))

crop_at拟合循环时，需要为每个数据点自定义上述参数。对此的任何指示/线索都会有所帮助。

标签： python-3.xtensorflowkerasconv-neural-networkkeras-layer

解决方案

从 Sequential API 切换 - 当您需要使用多个输入时，它开始崩溃：使用功能 API https://keras.io/models/model/

假设您的 lambda 函数是正确的：

def time_based_slicing(inputs_list):
    x, crop_at = inputs_list
    ... (will probably need to do some work to subset crop_at since it will be a tensor now instead of constants

inp = Input(your_shape)
inp_additional = Inp((2,)
x=YOUR_CNN_LOGIC(inp)
out = Lambda(time_based_slicing)([x,inp_additional])

推荐阅读