将张量的各个通道传递给 Keras 中的层答案

【问题标题】：Passing Individual Channels of Tensors to Layers in Keras将张量的各个通道传递给 Keras 中的层
【发布时间】：2016-08-23 20:36:40
【问题描述】：

我正在尝试为 theano 后端模拟与 SeparableConvolution2D 层等效的东西（它已经存在于 TensorFlow 后端）。作为第一步，我需要做的是将一个通道从张量传递到下一层。假设我有一个名为 conv1 的 2D 卷积层，它有 16 个过滤器，它产生的输出形状为： (batch_size, 16, height, width) 我需要选择形状为 (: , 0, : , : ) 的子张量并将其传递给下一层。够简单吧？

这是我的代码：

from keras import backend as K

image_input = Input(batch_shape = (batch_size, 1, height, width ), name = 'image_input' )

conv1 = Convolution2D(16, 3, 3, name='conv1', activation = 'relu')(image_input)

conv2_input = K.reshape(conv1[:,0,:,:] , (batch_size, 1, height, width))

conv2 = Convolution2D(16, 3, 3, name='conv1', activation = 'relu')(conv2_input)

这会抛出：

Exception: You tried to call layer "conv1". This layer has no information about its expected input shape, and thus cannot be built. You can build it manually via: layer.build(batch_input_shape)

为什么图层没有所需的形状信息？我正在使用 theano 后端的 reshape 。这是将单个通道传递到下一层的正确方法吗？

【问题讨论】：

标签： neural-network theano conv-neural-network keras

【解决方案1】：

我在 keras-user 组上问了这个问题，我在那里得到了答案：

https://groups.google.com/forum/#!topic/keras-users/bbQ5CbVXT1E

引用它：

您需要使用 lambda 层，例如： Lambda(x: x[:, 0:1, :, :], output_shape=lambda x: (x[0], 1, x[2], x[ 3]))

请注意，这种手动实现可分离卷积的效率会非常低。正确的解决方案是使用 TensorFlow 后端。

【讨论】：

您应该引用该链接的相关部分，以便此答案是独立的。