python - 可变批量大小张量的显式广播
问题描述
我正在尝试Layer
在 Tensorflow 2.0RC 中实现自定义 Keras,并且需要将成形张量连接[None, Q]
到[None, H, W, D]
成形张量以产生[None, H, W, D + Q]
成形张量。假设两个输入张量具有相同的批量大小,即使事先不知道。此外,H、W、D 和 Q 在写入时都不知道,但在build
第一次调用层时在层的方法中进行评估。我遇到的问题是在将成形张量广播到[None, Q]
成形张[None, H, W, Q]
量以进行连接时。
这是一个尝试使用功能 API 创建 Keras 的示例,该 API 执行从 shape到 shapeModel
的可变批量广播:[None, 3]
[None, 5, 5, 3]
import tensorflow as tf
import tensorflow.keras.layers as kl
import numpy as np
x = tf.keras.Input([3]) # Shape [None, 3]
y = kl.Reshape([1, 1, 3])(x) # Need to add empty dims before broadcasting
y = tf.broadcast_to(y, [-1, 5, 5, 3]) # Broadcast to shape [None, 5, 5, 3]
model = tf.keras.Model(inputs=x, outputs=y)
print(model(np.random.random(size=(8, 3))).shape)
Tensorflow 产生错误:
InvalidArgumentError: Dimension -1 must be >= 0
然后当我改变它-1
给None
我:
TypeError: Failed to convert object of type <class 'list'> to Tensor. Contents: [None, 5, 5, 3]. Consider casting elements to a supported type.
如何执行指定的广播?
解决方案
您需要使用的动态形状y
来确定批量大小。张量的动态形状由y
给出,tf.shape(y)
并且是一个张量运算,表示y
在运行时评估的形状。修改后的示例通过在旧形状[None, 1, 1, 3]
和使用 的新形状之间进行选择来演示这一点tf.where
。
import tensorflow as tf
import tensorflow.keras.layers as kl
import numpy as np
x = tf.keras.Input([3]) # Shape [None, 3]
y = kl.Reshape([1, 1, 3])(x) # Need to add empty dims before broadcasting
# Retain the batch and depth dimensions, but broadcast along H and W
broadcast_shape = tf.where([True, False, False, True],
tf.shape(y), [0, 5, 5, 0])
y = tf.broadcast_to(y, broadcast_shape) # Broadcast to shape [None, 5, 5, 3]
model = tf.keras.Model(inputs=x, outputs=y)
print(model(np.random.random(size=(8, 3))).shape)
# prints: "(8, 5, 5, 3)"
参考: