Question

我正在尝试使用带有Tensorflow后端的Keras构建自定义图层，以便处理图像。

使用Keras时，该过程失败，但与tensorflow（部分）一起使用。

为了更好地理解我实现了Identity层的问题并遇到了同样的问题：

'Node'对象没有属性'output_masks'

这是我的代码：

from tensorflow.python.keras.layers import *
from tensorflow.python.keras import Model
from tensorflow.python.keras import  optimizers

import cv2

from keras.engine.topology import Layer # This Layer does not work

#
# USE KERAS IMPLEMENTED INTO TENSORFLOW TO MAKE IT WORK
#

#from tensorflow.python.keras._impl.keras.engine.base_layer import Layer

import numpy as np


class Identity(Layer):

    def __init__(self, **kwargs):

        super(Identity, self).__init__(**kwargs)

    def build(self, input_shape):

        super(Identity, self).build(input_shape)  # Be sure to call this somewhere!


    def call(self, x):

        return x


    def compute_output_shape(self, input_shape):

        return tuple(input_shape)




height = 12
width = 18
channels = 3

image_original = cv2.imread("./predict_base.png")
input_data = np.zeros((2, 12, 18, 3))
input_data[0] = image_original
input_data[1] = image_original

input_shape = (height, width, channels)

input = Input(shape=input_shape)
output = Identity()(input)

# add the model on top of the convolutional base
model = Model(inputs=input, outputs=output)

adam = optimizers.Adam()
model.compile(loss='mean_squared_error', optimizer=adam)

model.summary()
image = model.predict(input_data)

cv2.imshow("result", image[0])
cv2.waitKey(0)

虽然更复杂的层可以直接使用tensorflow，但它无法正确计算输出形状。

如果我在输出形状计算中引入错误，例如：

def compute_output_shape(self, input_shape):
    output_shape = []
    output_shape[0] = input_shape[0]
    output_shape[1] = input_shape[1]
    output_shape[2] = input_shape[2]
    output_shape[3] = 4               #Here is the error I added

    return tuple(output_shape)

输出形状仍然相同，张量流不能正确计算输出。

你知道如何解决这个问题吗？

非常感谢。

Keras自定义层：'Node'对象没有属性'output_masks'

0 个答案: