[英]How to substitute `keras.layers.merge._Merge` in `tensorflow.keras`
我想使用tf.keras
API 创建一个自定义合并层。 但是,新的 API 隐藏了我想继承的keras.layers.merge._Merge
class。
这样做的目的是创建一个可以对两个不同层的输出进行加权求和/合并的层。 Before, and in keras
python API (not the one included in tensorflow.keras
) I could inherit from keras.layers.merge._Merge
class, which is now not accessible from tensorflow.keras
.
在我能做到这一点之前在哪里
class RandomWeightedAverage(keras.layers.merge._Merge):
def __init__(self, batch_size):
super().__init__()
self.batch_size = batch_size
def _merge_function(self, inputs):
alpha = K.random_uniform((self.batch_size, 1, 1, 1))
return (alpha * inputs[0]) + ((1 - alpha) * inputs[1])
现在,如果使用tensorflow.keras
,我不能使用相同的逻辑
class RandomWeightedAverage(tf.keras.layers.merge._Merge):
def __init__(self, batch_size):
super().__init__()
self.batch_size = batch_size
def _merge_function(self, inputs):
alpha = K.random_uniform((self.batch_size, 1, 1, 1))
return (alpha * inputs[0]) + ((1 - alpha) * inputs[1])
生产
AttributeError: module 'tensorflow.python.keras.api._v1.keras.layers' has no attribute 'merge'
我也尝试过从Layer
class 继承
class RandomWeightedAverage(tensorflow.keras.layers.Layer):
def __init__(self, batch_size):
super().__init__()
self.batch_size = batch_size
def call(self, inputs):
alpha = K.random_uniform((self.batch_size, 1, 1, 1))
return (alpha * inputs[0]) + ((1 - alpha) * inputs[1])
这给了我一个 output 形状等于multiple
的层,而我希望 output 形状定义明确。 我进一步尝试
class RandomWeightedAverage(tensorflow.keras.layers.Layer):
def __init__(self, batch_size):
super().__init__()
self.batch_size = batch_size
def call(self, inputs):
alpha = K.random_uniform((self.batch_size, 1, 1, 1))
return (alpha * inputs[0]) + ((1 - alpha) * inputs[1])
def compute_output_shape(self, input_shape):
return input_shape[0]
但这并没有解决 output 形状的multiple
歧义。
我稍微修改了您的代码以使用tf.random_uniform
而不是K.random_uniform
并且它在 1.13.1 和 1.14.0 上运行良好(完整的代码片段和下面的model.summary()
)。
import tensorflow as tf
print(tf.__version__)
class RandomWeightedAverage(tf.keras.layers.Layer):
def __init__(self, batch_size):
super().__init__()
self.batch_size = batch_size
def call(self, inputs, **kwargs):
alpha = tf.random_uniform((self.batch_size, 1, 1, 1))
return (alpha * inputs[0]) + ((1 - alpha) * inputs[1])
def compute_output_shape(self, input_shape):
return input_shape[0]
x1 = tf.keras.layers.Input((32, 32, 1))
x2 = tf.keras.layers.Input((32, 32, 1))
y = RandomWeightedAverage(4)(inputs=[x1, x2])
model = tf.keras.Model(inputs=[x1, x2], outputs=[y])
print(model.summary())
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.