Question

让我们从一个简单时间序列的输入开始，并尝试构建一个自动编码器，只需进行四次变换，然后在keras中转换我们的数据。

如果我们尝试这样做：

inputs = Input(shape=(MAXLEN,1), name='main_input')
x = tf.spectral.rfft(inputs)
decoded = Lambda(tf.spectral.irfft)(x)

然后第三行在输入时抛出错误：

>> ValueError: Tensor conversion requested dtype complex64 for Tensor with dtype float32

你看，tf.spectral.irfft的输出是float32，但看起来Lambda认为它是复杂的64？（Complex64是上一步的输入x）

我们可以在模型输入时使用以下方法修复该错误：

inputs = Input(shape=(MAXLEN,1), name='main_input')
x = tf.spectral.rfft(inputs)
decoded = Lambda(tf.cast(tf.spectral.irfft(x),dtype=tf.float32)))

这在输入时接受，但是当我们尝试构建模型时：

autoencoder = Model(inputs, decoded)

它会生成错误：

TypeError: Output tensors to a Model must be Keras tensors. Found: <keras.layers.core.Lambda object at 0x7f24f0f7bbe0>

我认为这是合理的，也是我不想把它放在首位的原因。

主要问题：如何成功包装输出float32的tf.spectral.irfft函数？

更一般的学习问题：让我们假设我实际上想要在rfft和irfft之间做一些事情，如何在不破坏keras的情况下将这些虚数转换成绝对值，以便我可以应用各种卷积等？

Answer 1

我认为您只需要更多Lambda包装（使用tf.keras，因为我已经安装了它）：

import numpy
import tensorflow as tf
K = tf.keras

inputs = K.Input(shape=(10, 8), name='main_input')
x = K.layers.Lambda(tf.spectral.rfft)(inputs)
decoded = K.layers.Lambda(tf.spectral.irfft)(x)
model = K.Model(inputs, decoded)
output = model(tf.ones([10, 8]))
with tf.Session():
  print(output.eval())

irfft的输出应该是真实的，所以可能不需要施放它。但是如果你确实需要强制转换它（或者通常在Lambda层中组合操作），我将它包装在Python lambda中：K.layers.Lambda(lambda v: tf.cast(tf.spectral.whatever(v), tf.float32))

例如，如果您知道您的中间值（rfft和irfft之间）的假想成分为零，则可以将其截断：

import numpy
import tensorflow as tf
K = tf.keras

inputs = K.Input(shape=(10, 8), name='main_input')
x = K.layers.Lambda(lambda v: tf.real(tf.spectral.rfft(v)))(inputs)
decoded = K.layers.Lambda(
    lambda v: tf.spectral.irfft(tf.complex(real=v, imag=tf.zeros_like(v))))(x)
model = K.Model(inputs, decoded)
output = model(tf.reshape(tf.range(80, dtype=tf.float32), [10, 8]))
with tf.Session():
  print(output.eval())

请注意，对于一般序列，这不是真的，因为即使是实值输入也可以在转换后具有虚部。它适用于上面的tf.ones输入，但tf.range输入被破坏：

[[ 0.  4.  4.  4.  4.  4.  4.  4.]
 [ 8. 12. 12. 12. 12. 12. 12. 12.]
 [16. 20. 20. 20. 20. 20. 20. 20.]
 [24. 28. 28. 28. 28. 28. 28. 28.]
 [32. 36. 36. 36. 36. 36. 36. 36.]
 [40. 44. 44. 44. 44. 44. 44. 44.]
 [48. 52. 52. 52. 52. 52. 52. 52.]
 [56. 60. 60. 60. 60. 60. 60. 60.]
 [64. 68. 68. 68. 68. 68. 68. 68.]
 [72. 76. 76. 76. 76. 76. 76. 76.]]

（没有施法，我们得到0.到79.重建完美）

Answer 2

只需为从搜索引擎到达此处的任何人添加更多内容。以下是在this google group discussion中提供的，将使用卷积和其他层之间运行rfft：

inputs = Input(shape=(10, 8), name='main_input')
x = Lambda(lambda v: tf.to_float(tf.spectral.rfft(v)))(inputs)
x = Conv1D(filters=5, kernel_size=3, activation='relu', padding='same')(x)
x = Lambda(lambda v: tf.to_float(tf.spectral.irfft(tf.cast(v, dtype=tf.complex64))))(x)
x = Flatten()(x)
output = Dense(1)(x)
model = Model(inputs, output)
model.summary()

它使用与Allen的答案相同的概念，但略有不同允许与中间卷积兼容。

Answer 3

在尝试解决相同的问题时，我偶然发现了这一点。您可以通过将tf.real和tf.imag包装到Lambda层中来使转换无损（我使用stft是因为没有等效的实值）：

x = tf.keras.layers.Lambda(
    lambda v: tf.signal.stft(
        v,
        frame_length=1024,
        frame_step=256,
        fft_length=1024,
    ), name='gen/FFTLayer')(inputs)
real = tf.keras.layers.Lambda(tf.real)(x)
imag = tf.keras.layers.Lambda(tf.imag)(x)
...
# transform real and imag either separately or by concatenating them in the feature space.
...
x = tf.keras.layers.Lambda(lambda x: tf.complex(x[0], x[1]))([real, imag])
x = tf.keras.layers.Lambda(
    lambda v: tf.signal.inverse_stft(
        v,
        frame_length=1024,
        frame_step=256,
        fft_length=1024,
    ))(x)

Answer 4

tensorflow 1.13.1中的fft2d函数被破坏。

我们可以在keras中使用tf.spectral傅立叶函数吗？

4 个答案: