tensorflow - 如何扩展 GlobalAveragePooling2D() 的输出以适合 BiSeNet？

Question

我正在尝试构建“ https://github.com/Blaizzy/BiSeNet-Implementation ”图中所示的 BiseNet。

当我想使用 Keras(tf-backend) 中的 GlobalAveragePooling2D() 完成图(b) 中的 Attention Refined Module 时，发现 GlobalAveragePooling2D() 的输出形状不适合下一次卷积。

我在 github 中检查了 BiSeNet 代码的许多实现，但是，它们中的大多数都使用 AveragePooling2D(size=(1,1)) 代替。但是AveragePooling2D(size=(1,1)) 完全没有意义。

所以我定义了一个 lambda 层来做我想做的事情（所选代码如下所示）。lambda 层有效，但看起来很丑：

def samesize_globalAveragePooling2D(inputtensor):
    # inputtensor shape:(?, 28,28,32)
    x = GlobalAveragePooling2D()(inputtensor) # x shape:(?, 32)
    divide = tf.divide(inputtensor, inputtensor)  # divide shape:(?, 28,28,32)
    x2 = x * divide  # x2 shape:(?, 28,28,32)



global_pool = Lambda(function=samesize_globalAveragePooling2D)(conv_0)

希望得到建议，使这个 lambda 更加优雅。

谢谢！

标签： tensorflowkeraspython-3.6

Answer 1

这可以使用 tf.reduce_mean 上的 lambda 层来完成。

tf.keras.layers.Lambda(lambda x: tf.reduce_mean(x, axis=[1, 2], keep_dims=True))