python - 如何在tensorflow中将多个2dim张量垂直连接成一个？

Question

我想知道我们应该如何在 keras 中将多个不同形状的张量连接成一个张量。我尝试tf.keras.layers.concatenate如下：

import tensorflow as tf
from tf.keras.layers import concatenate

print(tensor_1.shape)
print(tensor_2.shape)

new_tensor = concatenate([tensor_1, tensor_2],axis=1)
new_tensor

但我收到以下值错误：

shape of tensor_1 (?, 30, 30, 128)
shape of tensor_2 (?, 26, 26, 128)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-24-96d471a8e99e> in <module>()
----> 1 concatenate([tensor_1, tensor_2], axis=1)

4 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/layers/merge.py in build(self, input_shape)
    517             shape[axis] for shape in shape_set if shape[axis] is not None)
    518         if len(unique_dims) > 1:
--> 519           raise ValueError(err_msg)
    520 
    521   def _merge_function(self, inputs):

ValueError: A `Concatenate` layer requires inputs with matching shapes except for the concat axis. Got inputs shapes: [(None, 30, 30, 128), (None, 26, 26, 128)]

我认为在 Conv1D 中，连接很简单，在 Conv2D 中，我不知道如何进行连接。有谁知道如何在keras中做到这一点？任何想法？

更新：

我还尝试将每个张量视为矩阵并尝试将它们连接起来：

tf.concat(0, [[tensor_1], [tensor_2]])

但是，我最终还是遇到了类似的值错误，如下所示：

ValueError：两个形状中的维度 2 必须相等，但分别为 30 和 26。形状为 [1,?,30,30,128] 和 [1,?,26,26,128]。将形状 0 与其他形状合并。对于 '{{node concat/concat_dim}} = Pack[N=2, T=DT_INT32, axis=0](concat/concat_dim/0, concat/concat_dim/1)' 输入形状：[1,?,30, 30,128]，[1,?,26,26,128]。

期望的输出

我不确定如何连接多个张量，所以我可以将输出作为形状为 (W, H, C). 我们应该如何在 keras 中做到这一点？任何想法？

标签： pythontensorflow

Answer 1

只有当两个张量具有相同的形状时，才能连接两个张量，但要连接的轴是沿哪个连接。

x = np.arange(20).reshape(2, 2, 5)
y = np.arange(20, 30).reshape(2, 1, 5)
tf.keras.layers.concatenate([x, y], axis=1)  # (2, 3, 5)

tf.keras.layers.concatenate

我建议你重新考虑整个网络，这样你就不会为两个不同的形状张量而烦恼。如果你不能，我会说你

1. 庄稼

x = np.arange(2*30*30*128).reshape(2, 30, 30, 128)
y = np.arange(2*26*26*128).reshape(2, 26, 26, 128)
x2 = tf.keras.layers.Cropping2D(cropping=((0, 0), (2, 2)))(x)
tf.keras.layers.concatenate([x2, y], axis=1)  # (2, 56, 26, 128)

tf.keras.layers.Cropping2D

2. 零垫

x = np.arange(2*30*30*128).reshape(2, 30, 30, 128)
y = np.arange(2*26*26*128).reshape(2, 26, 26, 128)
y = tf.keras.layers.ZeroPadding2D(padding=((0, 0), (2, 2)))(y)
tf.keras.layers.concatenate([x, y2], axis=1)  # (2, 56, 30, 128)

tf.keras.layers.ZeroPadding2D

注意：tf.keras.layers.concatenate和tf.keras.layers.Conatenate，继承自tf.keras.layers.Layer不同。