Question

我写了下面的自定义层，当我尝试在之后添加一个Dense层时，它得到了input_shape错误，并期望该层之前的张量的shape [-1]尺寸。

from keras import backend as K
from keras.engine.topology import Layer
from keras.layers import Conv2D, Dense, Input


class SMSO(Layer):
    def __init__(self, feature_dim=256, **kwargs):
        self.feature_dim = feature_dim
        super(SMSO, self).__init__(**kwargs)

    def build(self, input_shape):
        self.scale = self.add_weight('scale',
                                     shape=(1, self.feature_dim),
                                     initializer='ones',
                                     trainable=True)
        self.offset = self.add_weight('offset',
                                      shape=(1, self.feature_dim),
                                      initializer='zeros',
                                      trainable=True)
        super(SMSO, self).build(input_shape)

    def call(self, x):
        x = x - K.mean(x, axis=(1, 2), keepdims=True)
        x = K.square(Conv2D(self.feature_dim, 1)(x))
        x = K.sqrt(K.sum(x, axis=(1, 2)))
        return self.scale * x + self.offset

x = Input(shape=(10, 10, 32))
l1 = SMSO(16)(x)
print(l1.shape)
l2 = Dense(10)(l1)

这是重现该错误的代码。 l1.shape按预期给出（？，16），但下一行失败。

Answer 1

添加compute_output_shape函数可以解决该问题。

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

任何修改形状的图层都必须具有compute_output_shape。

Keras密集层输入错误

1 个答案: