如标题中所述,我想知道如何让自定义图层返回多个张量:out1,out2,... outn?
我试过了
keras.backend.concatenate([out1, out2], axis = 1)
但这只适用于长度相同的张量,而且必须是另一种解决方案,而不是每次连接两个张量,是吗?
答案 0 :(得分:1)
在图层的call
方法中,执行图层计算的地方,您可以返回张量列表:
def call(self, inputTensor):
#calculations with inputTensor and the weights you defined in "build"
#inputTensor may be a single tensor or a list of tensors
#output can also be a single tensor or a list of tensors
return [output1,output2,output3]
注意输出形状:
def compute_output_shape(self,inputShape):
#calculate shapes from input shape
return [shape1,shape2,shape3]
使用图层的结果是张量列表。
当然,某些类型的keras层接受列表作为输入,而其他类型则不接受
您必须使用功能API Model
正确管理输出。在具有多个输出时,您可能会遇到使用Sequential
模型的问题。
我在我的机器上测试了这段代码(Keras 2.0.8),它完美无缺:
from keras.layers import *
from keras.models import *
import numpy as np
class Lay(Layer):
def init(self):
super(Lay,self).__init__()
def build(self,inputShape):
super(Lay,self).build(inputShape)
def call(self,x):
return [x[:,:1],x[:,-1:]]
def compute_output_shape(self,inputShape):
return [(None,1),(None,1)]
inp = Input((2,))
out = Lay()(inp)
print(type(out))
out = Concatenate()(out)
model = Model(inp,out)
model.summary()
data = np.array([[1,2],[3,4],[5,6]])
print(model.predict(data))
import keras
print(keras.__version__)