如何合并具有不同形状的图层？

Question

我正在使用带有tensorflow后端的Keras。我想合并具有不同形状的两个图层。我有一个形状为（None，32）的图层，另一层是形状为（None，16，16，32）的卷积层。输出应具有形状（无，16、16），实际上是卷积单位的加权和。

我尝试通过Lambda层解决此问题。我只是介绍tf.einsum运算来计算加权和。

def product_sum(inputs):
    conv_layers = inputs[0]   #(None, 16, 16, 32)
    weights = inputs[1]       #(None, 32)
    result = tf.einsum('ijkl, il->ijk', conv_layers, weights) 
    return result

# merge two layers
conv_output = basic_model.get_layer(last_conv_layer).output 
weight_output = basic_model.get_layer(weights_layer).output
weight_sum_ = Lambda(product_sum)
result = weight_sum([conv_output, weight_output])
model = Model(inputs=[basic_model.input], outputs=[result])

我想它可以工作，但是在tf.einsum中出现错误： “ ValueError：索引格式不正确：ijkl，il-> ijk”。

Answer 1

尝试一下：

merged = concatenate([layer1, layer2, ..., layerN])

用您自己的图层名称替换 layersN 。

我已经开发了类似的东西。拿一个look here。