Keras 如何开发适用于任意大小输入的图层

我正在尝试在Keras中开发一个层，它可以处理3D张量。为了使它更灵活，我希望尽可能推迟依赖于输入的精确形状的代码

我的图层覆盖了5种方法：

from tensorflow.python.keras.layers import Layer

class MyLayer(Layer):
    def __init__(self, **kwargs):
        pass

    def build(self, input_shape):
        pass

    def call(self, inputs, verbose=False):
        second_dim = K.int_shape(inputs)[-2]
        # Do something with the second_dim

    def compute_output_shape(self, input_shape):
        pass

    def get_config(self):
        pass

我使用的这个图层是这样的：

input = Input(batch_shape=(None, None, 128), name='input')
x = MyLayer(name='my_layer')(input)
model = Model(input, x)

---

但是我面临一个错误，因为

第二个dim

是

None

。我如何开发一个依赖于输入维度的层，但它由实际数据而不是输入层提供是可以的？

我最后以不同的方式问了同样的问题，我得到了一个完美的答案：

其要点是，不要直接处理尺寸。通过引用而不是通过值来使用它们。因此，不要使用

K.int\u shape

，而是使用

K.shape

。并使用Keras操作组合并生成新形状：

shape = K.shape(x)
newShape = K.concatenate([
                             shape[0:1], 
                             shape[1:2] * shape[2:3],
                             shape[3:4]
                         ])

---

最后我以不同的方式问了同一个问题，我得到了一个完美的答案：

其要点是，不要直接处理尺寸。通过引用而不是通过值来使用它们。因此，不要使用

K.int\u shape

，而是使用

K.shape

。并使用Keras操作组合并生成新形状：

shape = K.shape(x)
newShape = K.concatenate([
                             shape[0:1], 
                             shape[1:2] * shape[2:3],
                             shape[3:4]
                         ])

---

我不是肋骨层专家，但我认为你需要分别将

super（MyLayer，self）

和

super（MyLayer，self）

和

build（input_shape）

添加到

和
init（MyLayer，self）
。可能值得一试。@Lafayette谢谢，但这只是一个模式，不是实际的代码。我的代码中确实有它们，我只是不想让这篇文章太长。我不是costum层的专家，但我认为你需要分别添加
super（MyLayer，self）。\uuuu init\uuugs（**kwargs）
和
super（MyLayer，self）。build（input\u shape）
到
\uu init\uuu
和
build
。可能值得一试。@Lafayette谢谢，但这只是一个模式，不是实际的代码。我的代码中确实有它们，我只是不想把这篇文章写得太长。