Keras自定义图层没有不同的output_shape

时间:2018-03-23 03:03:18

标签: python tensorflow keras

我正在尝试在Keras中实现一个图层,它为每个输入添加元素。因此,输入,重量和输出具有完全相同的形状。然而,我正在努力实现这一点,我没有找到任何不改变输入形状的自定义图层的例子。

来自keras.engine.topology导入图层 将keras.backend导入为K

类SumationLayer(图层):

def __init__(self, **kwargs):
    self.output_dim = K.placeholder(None)
    super(SumationLayer, self).__init__(**kwargs)

def build(self, input_shape):
    # Create a trainable weight variable for this layer.
    self.kernel = self.add_weight(name='kernel', 
                                  shape=(input_shape[1], self.output_dim),
                                  initializer='uniform',
                                  trainable=True)
    super(SumationLayer, self).build(input_shape)  # Be sure to call this somewhere!
    self.output_dim = (input_shape[0], self.output_dim)
def call(self, x):
    return x + self.kernel

def compute_output_shape(self, input_shape):
    return (input_shape[0], self.output_dim)

这会输出以下错误:

TypeError: Value passed to parameter 'shape' has DataType float32 not in list of allowed values: int32, int64

如果我像Keras示例那样实现图层,那么我必须在初始化时输入输出形状,这会产生不良行为(通过完全连接输入来平滑输出)。

1 个答案:

答案 0 :(得分:0)

玩转代码,我可以这样工作: 但是,这仅适用于二维张量。如果需要3维张量,则还需要包含input_shape [3]。

def login username, password
  current_controller = @controller
  ... setup login call ...

  post :login

  @controller = current_controller
  ... return auth token ...
end