Question

在我的计算管道中，我使用了自定义函数，该函数将创建自定义keras块，并与Conv2D多次使用了此块。最后，我得到了两个不同的张量，它们是具有不同张量形状的特征图：TensorShape([None, 21, 21, 64])和TensorShape([None, 10, 10, 192])。在这种情况下，使用tf.keras.layers.concatenate进行连接对我不起作用。谁能指出我如何将这两个张量连接为一个？有什么想法可以实现吗？

如果我可以将形状为TensorShape([None, 21, 21, 64])和TensorShape([None, 10, 10, 192])的张量连接起来，我想在连接之后执行以下操作。

x = Conv2D(32, (2, 2), strides=(1,1), padding='same')(merged_tensors)
x = BatchNormalization(axis=-1)(x)
x = Activation('relu')(x)
x = MaxPooling2D(pool_size=(2,2))(x)
x = Flatten()(x)
x = Dense(256)(x)
x = BatchNormalization()(x)
x = Activation('relu')(x)
x = Dropout(0.25)(x)
x = Dropout(0.25)(x)
x = Dense(10)(x)
x = Activation('softmax')(x)
outputs = x

model = tf.keras.Model(inputs=inputs, outputs=outputs)

我试图在一维卷积中将形状为TensorShape([None, 21, 21, 64])和TensorShape([None, 10, 10, 192])的张量整形并合并，然后将输出整形为二维卷积。我的方法不起作用。有人可以建议这样做的可能方法吗？有什么想法吗？

更新

我仍然不确定获得连接的输出形状的方式是否为TensorShape([None, 21+10, 21+10, 192+64])，因为我不确定就数学观点而言，这样做是否有意义。如何轻松并正确地进行此串联？级联的正确形状是什么？有想法吗？

Answer 1

要进行级联，您应该为图层提供除concat轴以外的其他形状...对于图像，如果要按要素尺寸（轴-1）进行级联，则这些图层必须具有相同的batch_dim，宽度和高度。

如果要强制执行操作，则需要执行与维数相等的操作。一种可能是填充。在下面的示例中，我在最后一个维度上连接了两层

batch_dim = 32
x1 = np.random.uniform(0,1, (batch_dim, 10,10,192)).astype('float32')
x2 = np.random.uniform(0,1, (batch_dim, 21,21,64)).astype('float32')

merged_tensors = Concatenate()([ZeroPadding2D(((6,5),(6,5)))(x1), x2]) # (batch_dim, 21, 21, 192+64)

使用池化而不是填充：

batch_dim = 32
x1 = np.random.uniform(0,1, (batch_dim, 10,10,192)).astype('float32')
x2 = np.random.uniform(0,1, (batch_dim, 21,21,64)).astype('float32')

merged_tensors = Concatenate()([MaxPool2D(2)(x2), x1]) # (batch_dim, 10, 10, 192+64)

如何在张量流的二维卷积中连接两个具有不同形状的张量？

1 个答案: