Keras 无法计算 Keras 自定义层中的参数数量答案

【问题标题】：Keras unable to calculate number of parameters in a Keras Custom LayerKeras 无法计算 Keras 自定义层中的参数数量
【发布时间】：2017-10-07 00:33:17
【问题描述】：

我正在构建一个带有一些 Tensorflow 支持的 Keras 自定义层。在此之前，我想在调用函数中使用 Tensorflow 的 conv2d 编写 Keras 层来测试 Convolution2D 层是否正常工作。

class Convolutional2D(Layer):
    def __init__(self, filters=None, kernel_size=None, padding='same', activation='linear', strides=(1,1), name ='Conv2D', **kwargs):
        self.filters = filters
        self.kernel_size = kernel_size
        self.padding = padding
        self.activation = activation
        self.strides = strides
        self.name = name
        self.input_spec = [InputSpec(ndim=4)]
        super(Convolutional2D, self).__init__(**kwargs)

    def call(self, input):
        out = tf.layers.conv2d(inputs=input, filters=self.filters, kernel_size=self.kernel_size, strides=self.strides, padding=self.padding, 
        data_format='channels_last')
        return(out)

    def compute_output_shape(self, input_shape):
        batch_size = input_shape[0]
        width = input_shape[1]/self.strides[0]
        height = input_shape[2]/self.strides[1]
        channels = self.filters
        return(batch_size, width, height, channels)

    def get_config(self):
        config = {'filters': self.filters, 'kernel_size': self.kernel_size, 'padding': self.padding, 'activation':self.activation, 'strides':self.strides, 
        'name':self.name}
        base_config = super(Convolutional2D, self).get_config()
        return dict(list(base_config.items()) + list(config.items()))

    def build(self, input_shape):
        self.input_spec = [InputSpec(shape=input_shape)]

这可以正确编译，但是当我使用model.summary() 时，它不会计算该层的参数数量。

当我检查模型的参数总数时，我该怎么做才能包括该层的可训练参数数？

【问题讨论】：

标签： tensorflow keras

【解决方案1】：

我已经找到了这个问题的答案。

    def build(self, input_shape):
    if self.data_format == 'channels_first':
        channel_axis = 1
    else:
        channel_axis = -1
    if input_shape[channel_axis] is None:
        raise ValueError('The channel dimension of the inputs '
                         'should be defined. Found `None`.')
    input_dim = input_shape[channel_axis]
    kernel_shape = self.kernel_size + (input_dim, self.filters)

    self.kernel = self.add_weight(shape=kernel_shape,
                                  initializer=self.kernel_initializer,
                                  name='kernel',
                                  regularizer=self.kernel_regularizer,
                                  constraint=self.kernel_constraint)
    if self.use_bias:
        self.bias = self.add_weight(shape=(self.filters,),
                                    initializer=self.bias_initializer,
                                    name='bias',
                                    regularizer=self.bias_regularizer,
                                    constraint=self.bias_constraint)
    else:
        self.bias = None
    # Set input spec.
    self.input_spec = InputSpec(ndim=self.rank + 2,
                                axes={channel_axis: input_dim})
    self.built = True

添加权重定义了我在代码中没有完成的参数数量。但这并不妨碍模型的性能。它工作正常，除了无法获得参数规范的数量。

【讨论】：