Question

keras lib中的现有函数，包括max-pooling，average pooling等。

但是，我想根据论文https://arxiv.org/abs/1412.6071在keras中实现分数最大池。

我的实施如下：

model = Sequential()
......
model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

所以，我不想使用model.add（MaxPooling2D（pool_size =（2,2））），而是实现如下内容：

model.add(fractionalMaxpool2D(..............))

有可能吗？我目前正在使用keras作为tensorflow的后端。

感谢有人提供算法/代码。

我是新手，因为我之前没有写过任何自定义图层，所以有人可以帮忙吗？谢谢！

Answer 1

在我看来，您可以通过实施自定义图层来实现这一目标

class FractionalMaxpool2D(Layer):
    def __init__(self, output_dim):
        super(FractionalMaxpool2D, self).__init__()
        self.output_dim = output_dim
    def build(self, input_shape):
        # Create a trainable weight variable for this layer.
        # This kind of layer doesn't have any variable
        pass
    def call(self, x):
        # Handle you algorithm here
        return ....  
    def compute_output_shape(self, input_shape):
        # return the output shape
        return (input_shape[0], self.output_dim)

问题是难以实现使用GPU的分数最大池的核心功能。请从Keras的Github查看this discussion。

Answer 2

您可以使用Keras Lambda图层来包装tf.nn.fractional_max_pool，例如

FMP = Lambda（lambda img，pool_size：tf.nn.fractional_max_pool（img，pool_size））

现在，您可以像其他带有两个参数的图层一样，在Keras代码中使用FMP

图片：具有[批量，高度，宽度，通道]之类的尺寸
pool_size：[1.0，pool_size_you_want，pool_size_you_want，1.0]

第一个和最后一个是1.0，这是因为tf不对batch_size和通道执行合并，而是对高度和宽度执行

keras中的分数最大池

2 个答案: