Question

我在使用keras的expand_dims函数时遇到问题。这是一个简单的示例：

此代码有效：

import tensorflow as tf
from tensorflow.python.keras.layers import Input, Lambda
from tensorflow.python.keras.models import Model
from tensorflow.python.keras.backend import expand_dims

def add_fun(x):
  return tf.add(x[0], x[1])

in_1 = Input(shape=(None, None, 8))
in_2 = Input(shape=(None, 1, 1))

out = Lambda(add_fun)([in_1, in_2])

m = Model([in_1, in_2], out)

并且此代码不：

import tensorflow as tf
from tensorflow.python.keras.layers import Input, Lambda
from tensorflow.python.keras.models import Model
from tensorflow.python.keras.backend import expand_dims

def add_fun(x):
  return tf.add(x[0], x[1])

in_1 = Input(shape=(None, None, 8))
in_2 = Input(shape=(None, 1))

problem_part = expand_dims(in_2, axis=1)

out = Lambda(add_fun)([in_1, problem_part])

m = Model([in_1, in_2], out)

如图here所示，我相信我使用的是expand_dims正确，而且我不知道为什么它会引起问题。

Answer 1

问题在于expand_dims不是Keras层。如果您改为将调用转到lambda层内的expand_dims，则它将正常工作。

Answer 2

这可以通过将expand_dims函数调用包装在Lambda中来解决：

import tensorflow as tf
from tensorflow.python.keras.layers import Input, Lambda
from tensorflow.python.keras.models import Model
from tensorflow.python.keras.backend import expand_dims

def add_fun(x):
  return tf.add(x[0], x[1])

in_1 = Input(shape=(None, None, 8))
in_2 = Input(shape=(None, 1))

problem_part = Lambda(lambda x: expand_dims(x, axis=1))(in_2)

out = Lambda(add_fun)([in_1, problem_part])

m = Model([in_1, in_2], out)

Keras的expand_dims函数导致张量丢失元数据

2 个答案: