Keras：连接的输出没有参数？答案

【问题标题】：Keras: output of concatenation has no parameters?Keras：连接的输出没有参数？
【发布时间】：2020-05-10 05:14:14
【问题描述】：

tf.keras.Concatenate() 方法遇到了一个奇怪的问题。我试图执行组卷积。这是代码。

# C2: (None, 27, 27, 96) -> (None, 27, 27, 256).

# Split (None, 27, 27, 96) into x2 (None, 27, 27, 48)
pool1_1 = Lambda(lambda x: x[:, :, :, :48])(pool1)
pool1_2 = Lambda(lambda x: x[:, :, :, 48:])(pool1)  

#####################
# Grouped convolution.
#####################
conv2_1 =  Conv2D(filters=128,
                     kernel_size=(5,5),
                     activation='relu',
                     padding='same',
                     name='conv2_1')(pool1_1)

conv2_2 =  Conv2D(filters=128,
                     kernel_size=(5,5),
                     activation='relu',
                     padding='same',
                     name='conv2_2')(pool1_2)

conv2 = Concatenate(name='conv2', axis=-1)([conv2_1, conv2_2])

这里是output。

如您所见，在连接之后，结果层的参数为 0。我希望它有 153728 * 2 个参数。这是为什么呢？

【问题讨论】：

标签： keras deep-learning computer-vision conv-neural-network tensorflow2.0

【解决方案1】：

Concatenate 层没有参数，因为它们没有任何可学习的权重，操作只是连接，根本没有在该层进行学习。

所以你假设层必须有参数是错误的。

【讨论】：

好的，谢谢！有什么解决方法吗？问题是，我真的需要为合并层设置参数。
@FerdinandMom 解决方法是什么意思？这个层的参数会做什么？会学到什么？
事情是，我正在尝试将权重从 caffe 模型加载到 keras 模型。在 caffe 模型中，该层的权重形状为 (5, 5, 48, 256)。如果我进行连接，我必须为 2 个卷积指定 128 个过滤器。但是，我将无法为这 2 层加载权重，因为它们将有 128 个过滤器而不是 256 个。所以我唯一的解决方案是将权重加载到合并层。问题：合并层没有参数。
@FerdinandMom 首先，您在这里有一个明确的 XY 问题，您问的是您认为解决方案是什么，而不是询问实际问题。其次，解决这个问题的方法不是“让 Concatenate 有参数”，而只是拆分你拥有的权重并将它们加载到单独的 Conv2D 层中。
感谢您的解决方案。我应该将帖子的标题更改为“Keras：连接的输出没有参数？”