将Keras遮罩层与2D卷积一起使用(Conv2D)

时间:2018-11-07 12:46:12

标签: python tensorflow neural-network keras

我正在尝试设计一个神经网络,其中包括具有不同长度的时间相关输入,并且我目前正在使用Masking层。 该网络在TensorFlow 1.9.0版中运行良好,但是在更新到1.11.0版后,出现以下错误:

  

图层conv2d_1不支持遮罩,但传递了input_mask:Tensor(“ cnn1 / Reshape_2:0”,shape =(?, 81,81),dtype = bool)

关于如何解决此问题的任何想法?

我正在使用以下代码:

from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, \
    TimeDistributed, Dense, Masking, Activation, BatchNormalization

model= Sequential()
# first layer
model.add(TimeDistributed(Masking(0., input_shape=(81,81,3)),
                                  input_shape=(None,81,81,3), name='mask'))
# CNN layers
model.add(TimeDistributed(Conv2D(filters=10,
                                 kernel_size=5,
                                 strides=1,
                                 padding='same'),
                         name='cnn1'))

model.add(Activation('relu', name='relu1'))
model.add(BatchNormalization())
model.add(TimeDistributed(MaxPooling2D(pool_size=(2, 2))))

# output layer
model.add(TimeDistributed(Dense(3, name='output')))
model.add(Activation('softmax'))

# compilation
model.compile(loss='categorical_crossentropy')

1 个答案:

答案 0 :(得分:0)

使用tensorflow替换您的keras导入:

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, \
    TimeDistributed, Dense, Masking, Activation, BatchNormalization