Question

我想重构输入层的输出形状，例如，如果它是（None，42），则从第一个神经元开始，取第1至第7个，然后将一个神经元向右滑动，取第2个到第8位，依此类推。这样，输出层将为形状（无，36、7）。

我正在使用keras.layers.Lambda（）层来执行此操作，但是它无法正常工作，尺寸也不是我所期望的。我写的代码如下：

Inpt_lyr = keras.Input(shape = (42,))
for k in range(42 - 7 + 1):
    F = keras.layers.Lambda(lambda x, i, j: x[:,j : j + i])
    F.arguments ={ 'i' : 7, 'j' : k}
    tmp_rfrm = F(Inpt_lyr)
    lst_rfrm.append(tmp_rfrm)
cnctnt_lyr = keras.layers.merge.Concatenate(axis = 0)(lst_rfrm)
tmp_dns = keras.layers.Dense(3 , activation = 'softmax')(cnctnt_lyr)
tmp_model = Model(Inpt_lyr, tmp_dns)
tmp_model.compile(loss = 'categorical_crossentropy', optimizer = 'adam')
tmp_model.summary()

我希望conct_lyr的形状为（None，36，7），但形状为（None，7）它也给错误 ValueError：图形已断开连接：无法在“ input_3”层获取张量Tensor（“ input_3：0”，shape =（?, 42），dtype = float32）的值。可以毫无问题地访问以下先前的层：['input_4']

Answer 1

您的方法对我来说似乎很明智，但是当前张量是沿着批处理轴连接的，在这种情况下，这是不希望的。

我建议在滑动窗口时扩大尺寸1：

for k in range(42 - 7 + 1):
    F = keras.layers.Lambda(lambda x, i, j: x[:, None, j: j + i])
    # F(Inpt_lyr).shape=(?, 1, 7)

然后沿着扩展轴连接张量：

cnctnt_lyr = keras.layers.merge.Concatenate(axis=1)(lst_rfrm)
# cnctnt_lyr.shape=(?, 36, 7)

如何重组Keras层的输出？

1 个答案: