Question

我正在尝试执行k-max pooling以便选择top-k形状为(None, 30)的密集元素。我尝试了MaxPooling1D层，但是它不起作用，因为keras池层至少需要2d输入形状。我正在使用以下Lambda层，但出现以下错误：

layer_1.shape
(None, 30)
layer_2 = Lambda(lambda x: tf.nn.top_k(x, k=int(int(x.shape[-1])/2),
                                                sorted=True, 
                                                name="Top_k_final"))(layer_1)

错误：文件 “ /usr/local/lib/python3.5/dist-packages/keras/engine/base_layer.py”，第474行，在致电中 output_shape = self.compute_output_shape（input_shape）文件“ /usr/local/lib/python3.5/dist-packages/keras/layers/core.py”，行 652，在compute_output_shape中返回K.int_shape（x）文件“ /usr/local/lib/python3.5/dist-packages/keras/backend/tensorflow_backend.py”，第591行，int_shape 返回元组（x.get_shape（）。as_list（））AttributeError：“ TopKV2”对象没有属性“ get_shape”

Answer 1

基于this example，我解决了这个问题。实际上，我通过添加.values从tf.nn.top_k获得张量值来解决了这个问题，如下所示。但是我不确定我的解决方案是否正确。

layer_2 = Lambda(lambda x: tf.nn.top_k(x, k=int(int(x.shape[-1])/2),
                                                sorted=True, 
                                                name="Top_k_final").values)(layer_1)

如何选择keras密集层的前k个元素？

1 个答案: