我正在使用带有张量流后端的Keras。我想合并两个不同形状的图层。我有一个形状的图层(无,32)和另一个形状的卷积图层(无,16,16,32)。输出应具有形状(无,16,16),实际上是卷积单位的加权和。
我尝试通过Lambda层解决这个问题。我只是引入了tf.einsum操作来计算加权和。
def product_sum(inputs):
conv_layers = inputs[0] #(None, 16, 16, 32)
weights = inputs[1] #(None, 32)
result = tf.einsum('ijkl, il->ijk', conv_layers, weights)
return result
# merge two layers
conv_output = basic_model.get_layer(last_conv_layer).output
weight_output = basic_model.get_layer(weights_layer).output
weight_sum_ = Lambda(product_sum)
result = weight_sum([conv_output, weight_output])
model = Model(inputs=[basic_model.input], outputs=[result])
我认为它有效,但在tf.einsum中出现错误:“ValueError:指数的格式不正确:ijkl,il-> ijk”。
试试这个:
merged = concatenate([layer1, layer2, ..., layerN])
用您自己的图层名称替换layersN。
我已经开发出类似这样的东西。拿一个look here。