Keras自定义图层，没有不同的output_shape

Question

我试图在Keras中实现一个层，该层在每个输入中逐个元素地增加权重。 因此，输入，权重和输出具有完全相同的形状。 尽管如此，我仍在努力实现这一点，并且我还没有找到任何不更改输入形状的自定义层的示例。

从keras.engine.topology导入层将keras.backend导入为K

SumationLayer（Layer）类：

def __init__(self, **kwargs):
    self.output_dim = K.placeholder(None)
    super(SumationLayer, self).__init__(**kwargs)

def build(self, input_shape):
    # Create a trainable weight variable for this layer.
    self.kernel = self.add_weight(name='kernel', 
                                  shape=(input_shape[1], self.output_dim),
                                  initializer='uniform',
                                  trainable=True)
    super(SumationLayer, self).build(input_shape)  # Be sure to call this somewhere!
    self.output_dim = (input_shape[0], self.output_dim)
def call(self, x):
    return x + self.kernel

def compute_output_shape(self, input_shape):
    return (input_shape[0], self.output_dim)

这将输出以下错误：

TypeError: Value passed to parameter 'shape' has DataType float32 not in list of allowed values: int32, int64

如果像Keras示例一样实现该层，则在初始化时必须输入输出形状，这会产生不希望的行为（通过完全连接输入来使输出变平）。

Answer 1

使用代码，我得到了这样的效果：但是，这仅适用于二维张量。 如果需要3维张量，则还需要包含input_shape [3]。

from keras.layers import Layer, Input
from keras import backend as K
from keras import Model
import tensorflow as tf

class SumationLayer(Layer):

    def __init__(self, **kwargs):
        super(SumationLayer, self).__init__(**kwargs)

    def build(self, input_shape):
        # Create a trainable weight variable for this layer.
        self.kernel = self.add_weight(name='kernel', 
                                      shape=(input_shape[1], input_shape[2]),
                                      initializer='uniform',
                                      trainable=True)
        super(SumationLayer, self).build(input_shape)  # Be sure to call this somewhere!
    def call(self, x):
        return x + self.kernel

    def compute_output_shape(self, input_shape):
        return (input_shape[0], input_shape[1], input_shape[2])



input = Input(shape = (10,10))
output = SumationLayer()(input)
model = Model(inputs = [input], outputs = [output])
model.summary()