我正在尝试复制神经网络进行深度估算。原作者采用了预先训练好的网络，并在完全连接层和卷积层之间添加了一个“超像素池化层”。在该层中，卷积特征图被上采样，并且每个超像素的特征被平均。
我的问题是，为了成功实现这一点，我需要计算每个图像的超像素。如何在批处理期间访问keras / tensorflow正在使用的数据以执行SLIC过度分割？
我考虑分割任务并逐个工作，即将图像输入卷积网络。分别处理输出，然后将它们送入完全连接的层。但是，这使得无法进一步培训网络。
答案 0 :(得分：0)
当时似乎无法实际访问符号张量内的数据。由于在Tensorflow页面中显示：
，因此将来似乎不太可能添加此类功能Tensor对象是操作结果的符号句柄，但是 实际上并不保存操作输出的值。
Keras允许创建个性化图层。但是，这些受到可用后端操作的限制。因此，根本无法访问批次数据。