如何使用 lambda 和 map_fn 在 4d 张量的每个 2d 切片上应用 keras 层？答案

【问题标题】：How can I apply a keras layer on each 2d slice of a 4d tensor by using lambda and map_fn?如何使用 lambda 和 map_fn 在 4d 张量的每个 2d 切片上应用 keras 层？
【发布时间】：2021-05-25 00:03:13
【问题描述】：

假设我们有一个张量 x，其形状为 (64,100,5,32)，对应于 (batchSize,Length,Height,Channels)。现在我想为第 32 个通道的每个大小 (100,5) 的每个 2D 矩阵应用 2D 转换层。所以我需要提取 32 个切片并使用相同的 2D 卷积层（参数）对其进行处理。我不知道如何从 lambda und map_fn 开始（请不要使用时间分布层）。最后，我想要一个大小为 (64,100,5,32) 的张量。

感谢您截取了一个简短的代码。

【问题讨论】：

标签： python tensorflow keras lambda tf.keras

【解决方案1】：

您可以简单地使用带有索引切片的 for 循环（没有 Lambda 层）。这是一个虚拟的例子：

n_sample = 3
H,W,C = 100,5,32
X = np.random.uniform(0,1, (n_sample,H,W,C))

inp = Input((H,W,C))
convs = []
conv = Conv2D(1, 3, padding='same') # this is always the same for all the slices

for c in range(inp.shape[-1]):
    _x = tf.expand_dims(inp[:,:,:,c], -1)
    convs.append(conv(_x))
convs = Concatenate()(convs)

model = Model(inp, convs)
model.compile('adam', 'mse')
model.fit(X,X, epochs=2)

【讨论】：