Question

所以我正在尝试实施关于暹罗神经网络的this论文：与Sumit Chopra，Raia Hadsell和Yann LeCun一起区分性地学习相似性度量，并应用于面部验证 （2005年）。不过，我正在使用CIFAR10 dataset代替10个班级。

为方便起见，复制了其中一条腿的规格。符号：C_x是卷积层，S_x是子采样层，F_x是完全连接的层;使用共享索引x：

C1：特征图：15，内核大小=（7,7）
S2：要素图：15，视野=（2,2）
C3：要素图：45，内核大小=（6,6）
S4：要素图：45，视野=（4,3）
C5：要素图：250，内核大小=（5,5）
F6（完全连接层）：没有。单位= 50

我尝试过什么

model = Sequential()

#C1
model.add(Convolution2D(15, 7, 7,
activation='relu',
border_mode='same',
input_shape=input_img_shape))
print("C1 shape: ", model.output_shape)

#S2
model.add(MaxPooling2D((2,2), border_mode='same'))
print("S2 shape: ", model.output_shape)
#...

#C5
model.add(Convolution2D(250, 5, 5, 
activation='relu', 
border_mode='same'))
print("C5 shape: ", model.output_shape)

#F6
model.add(Dense(50))

这会抛出一条长错误信息，我认为这是一个重塑错误。错误的片段：

Exception: Input 0 is incompatible with layer dense_13: expected
ndim=2, found ndim=4

我知道问题在最终的Dense层中是孤立的，因为如果我将其注释掉，代码会顺利进行。但我不确定我应该如何塑造/指定我的最终完全连接层，以便它与先前的卷积层兼容？

我看过的一些地方

This是一个相关的问题，虽然实现略有不同（似乎在撰写本文时keras中没有'Siamese'核心层）。我知道还有implementations in Theano，如果我不能在keras中做到，我会记住这一点。

谢谢！

Answer 1

如Matias Valdenegro所述，Keras已经有Siamese network的例子。但是，该示例仅使用密集层。

您的问题是，您需要在卷积图层和密集图层之间添加Flatten图层以获得正确的形状，请参阅this Keras CNN example

这两个例子可以帮助你建立你的暹罗网络。

Answer 2

您不需要Siamese Layer，只需使用Keras functional API创建一个具有两个输入和一个输出的模型。

似乎Keras示例already contain的模型与您正在实施的模型非常相似。

在Keras实施暹罗NN

2 个答案: