时间戳

首页 > 解决方案 > 如何重组keras层的输出？

python - 如何重组keras层的输出？

问题描述

我想重建我的输入层的输出形状，例如，如果它是（无，42），我从第一个神经元开始，从第 1 个到第 7 个，然后向右滑动一个神经元，从第 2 个到第 8 个，然后很快。这样，输出层将是形状 (None, 36, 7)。

我正在使用 keras.layers.Lambda() 层来执行此操作，但它无法正常工作，并且尺寸不是我所期望的。我写的代码如下：

Inpt_lyr = keras.Input(shape = (42,))
for k in range(42 - 7 + 1):
    F = keras.layers.Lambda(lambda x, i, j: x[:,j : j + i])
    F.arguments ={ 'i' : 7, 'j' : k}
    tmp_rfrm = F(Inpt_lyr)
    lst_rfrm.append(tmp_rfrm)
cnctnt_lyr = keras.layers.merge.Concatenate(axis = 0)(lst_rfrm)
tmp_dns = keras.layers.Dense(3 , activation = 'softmax')(cnctnt_lyr)
tmp_model = Model(Inpt_lyr, tmp_dns)
tmp_model.compile(loss = 'categorical_crossentropy', optimizer = 'adam')
tmp_model.summary()

我希望 conct_lyr 具有形状 (None, 36, 7)，但它是 (None,7) 并且它还会给出错误 ValueError: Graph disconnected: cannot get value for tensor Tensor("input_3:0", shape=(? , 42), dtype=float32) 在“input_3”层。访问以下先前层没有问题：['input_4']

标签： pythonkeras

解决方案

您的方法对我来说看起来很明智，但张量目前正在沿着批处理轴连接，这在这种情况下是不可取的。

我建议在滑动窗口时扩展维度 1：

for k in range(42 - 7 + 1):
    F = keras.layers.Lambda(lambda x, i, j: x[:, None, j: j + i])
    # F(Inpt_lyr).shape=(?, 1, 7)

然后沿扩展轴连接张量：

cnctnt_lyr = keras.layers.merge.Concatenate(axis=1)(lst_rfrm)
# cnctnt_lyr.shape=(?, 36, 7)

推荐阅读