Question

我正在使用tensorflow后端。

顺序应用卷积，最大池化，展平和密集层。卷积需要3D输入（高度，宽度，color_channels_depth）。

卷积后，它变为（高度，宽度，Number_of_filters）。

应用max-pooling height后，宽度会发生变化。但在应用展平层后究竟发生了什么？例如。

如果在展平之前输入是（24,24,32）那么它是如何展平的呢？

对于高度，每个过滤器编号的重量是顺序还是以某种其他方式顺序（24 * 24）？一个例子将被实际值所赞赏。

Answer 1

Flatten()运算符展开从最后一个维度开始的值（至少对于Theano来说，这是“通道优先”，而不是像TF这样的“通道最后”。我无法在我的环境中运行TensorFlow）。这相当于numpy.reshape和'C'排序：

'C'表示使用类似C的索引顺序读/写元素最后一个轴索引变化最快，回到第一个轴索引改变最慢。

这是一个独立的示例，用于说明使用Keras Functional API的Flatten运算符。您应该能够轻松适应您的环境。

import numpy as np
from keras.layers import Input, Flatten
from keras.models import Model
inputs = Input(shape=(3,2,4))

# Define a model consisting only of the Flatten operation
prediction = Flatten()(inputs)
model = Model(inputs=inputs, outputs=prediction)

X = np.arange(0,24).reshape(1,3,2,4)
print(X)
#[[[[ 0  1  2  3]
#   [ 4  5  6  7]]
#
#  [[ 8  9 10 11]
#   [12 13 14 15]]
#
#  [[16 17 18 19]
#   [20 21 22 23]]]]
model.predict(X)
#array([[  0.,   1.,   2.,   3.,   4.,   5.,   6.,   7.,   8.,   9.,  10.,
#         11.,  12.,  13.,  14.,  15.,  16.,  17.,  18.,  19.,  20.,  21.,
#         22.,  23.]], dtype=float32)

Answer 2

如24 * 24 * 32那样顺序并重新整形，如下面的代码所示。

def batch_flatten(x):
    """Turn a nD tensor into a 2D tensor with same 0th dimension.
    In other words, it flattens each data samples of a batch.
    # Arguments
        x: A tensor or variable.
    # Returns
        A tensor.
    """
    x = tf.reshape(x, tf.stack([-1, prod(shape(x)[1:])]))
    return x

Answer 3

对张量进行平整意味着除去除一个之外的所有尺寸。

Keras中的Flatten层将张量整形为具有等于张量中包含的元素数量的形状。

这与制作一维元素数组相同。

例如，在VGG16模型中，您可能会很容易理解：

>>> model.summary()
Layer (type)                     Output Shape          Param #
================================================================
vgg16 (Model)                    (None, 4, 4, 512)     14714688
________________________________________________________________
flatten_1 (Flatten)              (None, 8192)          0
________________________________________________________________
dense_1 (Dense)                  (None, 256)           2097408
________________________________________________________________
dense_2 (Dense)                  (None, 1)             257
===============================================================

请注意，flatten_1图层的形状如何（无，8192），其中8192实际上是4 * 4 * 512。

PS，“无”表示任何尺寸（或动态尺寸），但通常可以将其读取为1。您可以在here中找到更多详细信息。

如何在keras中展平图层？

3 个答案: