Keras的卷积二维暹罗网络

Question

我正在尝试将Keras的Siamese图层与共享的Convolution2D图层结合使用。 我不需要输入在Siamese图层之前通过任何其他图层，但Siamese图层要求指定输入图层。我无法弄清楚如何创建输入层以匹配转换层的输入。我可以找到的Siamese图层的唯一具体示例是tests，其中Dense层（带矢量输入）用作输入。基本上，我想要一个输入层，允许我将图像尺寸指定为输入，以便将它们传递给共享的转换层。

在代码中我有以下内容：

img_rows = 28
img_cols = 28
img_input_shape = (1, img_rows, img_cols)

shared = Sequential()

shared.add(Convolution2D(nb_filters, nb_conv, nb_conv,
                        border_mode='valid',
                        input_shape=img_input_shape))
shared.add(Activation('relu'))
# .... more layers, etc.

right_input_layer = SomeInputLayer(input_shape=img_input_shape) # what should SomeInputLayer be?
left_input_layer = SomeInputLayer(input_shape=img_input_shape)
siamese = Siamese(shared, [left_input_layer, right_input_layer], merge_mode='concat')

model = Sequential()
model.add(siamese)
# ...
model.compile(loss=contrastive_loss, optimizer='rmsprop')

SomeInputLayer应该是什么？或者我的appraoch一般是不正确的？

Answer 1

好的，我明白了。 “抽象”Layer类基本上是一个直通层，这正是我需要的。我也犯了一个错误，我认为Siamese可以采用整个模型（即多个图层），但实际上只需要一个图层。为了减少这些Siamese图层的创建，需要add_shared_layer辅助函数。

我还应该指出这个pull request允许共享层到模型中的第一层，正是我想要做的。