keras 使用Lambda 快速新建層 添加多個參數(shù)操作
keras許多簡單操作,都需要新建一個層,使用Lambda可以很好完成需求。
# 額外參數(shù) def normal_reshape(x, shape): return K.reshape(x,shape) output = Lambda(normal_reshape, arguments={'shape':(-1, image_seq, 1000)})(output) output = Lambda(lambda inp: K.mean(inp, axis=1), output_shape=(1000,))(output)
補充知識:keras 實現(xiàn)包括batch size所在維度的reshape,使用backend新建一層 針對多輸入使用不同batch size折衷解決辦法
新建層,可以在此層內(nèi)使用backend完成想要的功能,如包含batch size維度在內(nèi)的reshpe:
def backend_reshape(x): return backend.reshape(x, (-1, 5, 256))
使用lambda方法調(diào)用層:
vision_model.add(Lambda(backend_reshape, output_shape=(5, 256)))
注意指定輸出維度
在多輸入問題中,有時兩個輸入具有不同的batch size,但在keras無法直接實現(xiàn)。我所遇到的問題是,我有兩個輸入分別是圖像輸入和問題輸入,對于圖像輸入每個樣本是一個圖像序列。這就要求我們在把圖像序列輸入到CNN中時是一張一張圖像。
我的解決辦法是在輸入是把圖像序列作為一個樣本,等輸入進去后,通過上述的reshape方法將圖像序列重新拆分成一張張圖像輸入到CNN,然后在后期處理時重新reshape成一個序列樣本。
代碼:
image_seq = 4 def preprocess_reshape(x): return K.reshape(x, (-1, 224, 224,3)) def backend_reshape(x): return K.reshape(x, (-1, image_seq, 256))
image_input = Input(shape=(image_seq, 224, 224, 3) , name='input_img') image_re = Lambda(preprocess_reshape, output_shape=(224,224,3))(image_input) im_pre = Lambda(preprocess_input, name='preprocessing')(image_re)
vision_model.add(Lambda(backend_reshape, output_shape=(image_seq, 256))) vision_model.add(LSTM(256, kernel_regularizer=l2, recurrent_regularizer=l2))
以上這篇keras 使用Lambda 快速新建層 添加多個參數(shù)操作就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
python調(diào)用windows api鎖定計算機示例
這篇文章主要介紹了python調(diào)用windows api鎖定計算機示例,需要的朋友可以參考下2014-04-04Python實現(xiàn)購物評論文本情感分析操作【基于中文文本挖掘庫snownlp】
這篇文章主要介紹了Python實現(xiàn)購物評論文本情感分析操作,結(jié)合實例形式分析了Python使用中文文本挖掘庫snownlp操作中文文本進行感情分析的相關(guān)實現(xiàn)技巧與注意事項,需要的朋友可以參考下2018-08-08python檢測空間儲存剩余大小和指定文件夾內(nèi)存占用的實例
今天小編就為大家分享一篇python檢測空間儲存剩余大小和指定文件夾內(nèi)存占用的實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-06-06Python入門教程(三十八)Python的NumPy庫簡介
這篇文章主要介紹了Python入門教程(三十八)Python的NumPy庫簡介,NumPy 是用于處理數(shù)組的 python 庫,它還擁有在線性代數(shù)、傅立葉變換和矩陣領(lǐng)域中工作的函數(shù),需要的朋友可以參考下2023-05-05