TensorFlow Keras 层中的重新排序轴答案

【问题标题】：Reorder axis in TensorFlow Keras layerTensorFlow Keras 层中的重新排序轴
【发布时间】：2021-12-18 16:36:34
【问题描述】：

我正在构建一个模型，该模型沿第一个非批处理轴对数据应用随机洗牌，应用一系列 Conv1D，然后应用洗牌的逆。不幸的是，tf.gather 层弄乱了批次维度None，我不知道为什么。

下面是一个例子。

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

dim = 90
input_img = keras.Input(shape=(dim, 4))

# Get random shuffle order
order = layers.Lambda(lambda x: tf.random.shuffle(tf.range(x)))(dim)

# Apply shuffle
tensor = layers.Lambda(lambda x: tf.gather(x[0], tf.cast(x[1], tf.int32), axis=1,))(input_img, order)

model = keras.models.Model(
   inputs=[input_img],
   outputs=tensor,
)

这里总结如下：

Model: "model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)           [(None, 90, 4)]           0         
_________________________________________________________________
lambda_51 (Lambda)           (90, 90, 4)               0         
=================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
_________________________________________________________________

而我希望lambda_51 的输出形状为(None, 90, 4)。

【问题讨论】：

标签： python tensorflow keras tensorflow2.0 tf.keras

【解决方案1】：

当您将input_img 和order 传递给tensor 层时，尝试将它们包装到一个列表中。

这样tensor层就变成了：

tensor = layers.Lambda(lambda x: tf.gather(x[0], tf.cast(x[1], tf.int32), axis=1,))([input_img, order])

还有你的总结：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_2 (InputLayer)         [(None, 90, 4)]           0         
_________________________________________________________________
lambda_3 (Lambda)            (None, 90, 4)             0         
=================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0

【讨论】：