[英]Keras: How to extract only certain layers from a tensor
我有一个形状为[6,20,30,6]
的4-D张量,我想执行等效于以下内容的keras / tensorflow:
new = np.array([old[i,:,:,i] for i in range(6)])
任何帮助表示赞赏!
您可以扩展old
的尺寸,使用理解列表选择所需的切片并将其沿扩展的尺寸连接起来。 例如:
import tensorflow as tf
import numpy as np
tensor_shape = (6, 20, 30, 6)
old = np.arange(np.prod(tensor_shape)).reshape(tensor_shape)
new = np.array([old[i, :, :, i] for i in range(6)])
old_ = tf.placeholder(old.dtype, tensor_shape)
new_ = tf.concat([old[None, i, :, :, i] for i in range(6)], axis=0)
with tf.Session() as sess:
new_tf = sess.run(new_, feed_dict={old_: old})
assert (new == new_tf).all()
感谢@rvinas的回答,我得以用纯正的喀拉拉邦铸成。
def cc(x):
return K.backend.stack([x[:,i, :, :, i] for i in range(6)], axis=1)
然后在keras模型定义中:
new=L.Lambda(lambda y: cc(y))(old)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.