在 TensorFlow/Keras 中访问输入层数据

Question

我正在尝试复制用于深度估计的神经网络。原作者采用了一个预训练的网络，并在全连接层和卷积层之间添加了一个“超像素池化层”。在这一层中，卷积特征图被上采样，每个超像素的特征被平均。

我的问题是，为了成功实现这一点，我需要计算每张图像的超像素。如何访问 keras/tensorflow 在批处理期间使用的数据以执行 SLIC 过度分割？

我考虑将任务拆分并分块工作，即将图像输入卷积网络。分别处理输出，然后将它们输入全连接层。然而，这使得网络的进一步训练变得不可能。

Answer 1

当时似乎不可能真正访问符号张量内的数据。将来似乎也不太可能添加此类功能，因为在 Tensorflow 页面中它说：

张量对象是操作结果的符号句柄，但是 实际上并不保存操作输出的值。

Keras 允许创建个性化层。但是，这些受限于可用的后端操作。因此，根本不可能访问批处理数据。