保留 Conv1D 变量的批次维度

Question

TensorFlow/keras 中的None指的是可变维度。 我想构建一个Conv1D层，其中批次的维度可变为(None, 4, 20) 。 Conv1D 层的输入必须是 3D，但是前一层只有一个大小为 100 的一维向量，所以我做的是使用TensorFlow.reshape(input, (1, 4, 25))然后我将 output 展平Conv1D 返回作为 Conv1D 之后的下一层的输入应该是(None, 100) 。

import tensorflow as tf
import tensorflow.keras.layers 
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Input, LSTM, Attention, Flatten, Dense, Dropout, Lambda, Bidirectional, Conv1D, GlobalMaxPooling1D

def initialize_base_network():
    #passing input to layers
    input = Input(shape=(100,), name="base_input")
    x = Flatten(name="flatten_input")(input)
    x = Dropout(0.2, name="first_dropout")(x)
    x = Attention(use_scale=True)([x,x])
    x = tf.reshape(x, [1, 4, 25])
    x = Conv1D(filters=16, kernel_size=3, activation='relu')(x)
    x = Flatten(name="flatten_input2", input_shape=(None,32))(x)
    x = Dense(128, activation='relu', name="first_base_dense")(x)
    x = Dense(128, activation='relu', name="second_base_dense")(x)
    x = Dropout(0.1, name="second_dropout")(x)
    x = Dense(128, activation='relu', name="third_base_dense")(x)
    
    #return the model
    return Model(inputs=input, outputs=x)

base_network = initialize_base_network()
#plot_model(base_network, show_shapes=True, show_layer_names=True, to_file='base-model.png')
base_network.summary()

Output：

但我希望 output 如下所示：

Answer 1

你应该更换，

tf.reshape(x, [1, 4, 25]) with keras.layers.Reshape([4, 25])(x)