Question

我有一个图层输出我希望乘以标量。我可以用lambda图层来做到这一点，即

sc_mult = Lambda(lambda x: x * 2)(layer)

工作正常。但是如果我想为每个例子使用不同的标量，我会尝试将它们作为第二个输入提供形状（例子，1）

input_scalar = Input(shape = (1L,))

因此我的lambda图层变为

sc_mult = Lambda(lambda x: x * input_scalar)(layer)

但现在这在火车时间会引发错误。注意，32是批量大小，128是图层输入（和输出）的维度 - 图层输入乘以标量是（batch_size x 32（前一层中的过滤器）x 128（空间暗淡）x 128 （空间昏暗））。

GpuElemwise. Input dimension mis-match. Input 5 (indices start at 0) has shape[2] == 32, but the output's size on that axis is 128.

我假设我没有通过输入层输入正确的形状，但无法解决原因。

Answer 1

不确定回答旧问题是否有用，但是也许其他人也遇到了同样的问题。

问题确实是标量的形状与输入（或x）的形状。您应该使用np.reshape重整标量，使其具有与要乘以的矩阵相同的维度，例如：

from keras import *
from keras.layers import *
import numpy as np

# inputs
X = np.ones((32,32,128,128))
s = np.arange(32).reshape(-1,1,1,1) # 1 different scalar per batch example, reshaped
print(X.shape, s.shape)

# model
input_X = Input(shape=(32,128,128))
input_scalar = Input(shape = (1,1,1))
sc_mult = Lambda(lambda x: x * input_scalar)(input_X)
model = Model(inputs=[input_X, input_scalar], outputs=sc_mult)

out = model.predict([X,s])
out

现在out[0,:,:,:]都是零，out[1,:,:,:]都是1，out[31,:,:,:]都是31，等等。

Answer 2

另一种方法是将lambda层内容放入这样的函数中：

def mul_sca(x):
    return tf.multiply(x[0],x[1])

然后使用以下命令调用它：

sc_mult = Lambda(mul_sca)([input_scalar,layer])

这有助于我避免在使用多个GPU时出现一些错误。

Answer 3

乘以它

x = Dense(10, activation="sigmoid")(inputs)
x_multiplied = x * 5.0

=> 可能的输出范围 = 0..5

Keras使用标量乘以层输出

3 个答案: