Python 在Keras中,可以在卷积层中对称填充吗?
我读到在Keras的卷积层中,Python 在Keras中,可以在卷积层中对称填充吗?,python,tensorflow,keras,Python,Tensorflow,Keras,我读到在Keras的卷积层中,padding是相同的或avlid,我认为零是被填充的 有没有办法在Keras中进行对称填充 这似乎可以用TensorFlow的tf.pad(t,paddings,“SYMMETRIC”)正是我想要做的。Keras可以用TensorFlow作为后端吗?应用对称填充的一种方法是创建自己的层。Keras展示了一个如何创建的示例 然后,如果要在keras中填充1个像素,可以调用: padded_out = Lambda( lambda xi: tf.pad(xi, [[0
padding
是相同的
或avlid
,我认为零是被填充的
有没有办法在Keras中进行对称填充
这似乎可以用TensorFlow的
tf.pad(t,paddings,“SYMMETRIC”)
正是我想要做的。Keras可以用TensorFlow作为后端吗?应用对称填充的一种方法是创建自己的层。Keras展示了一个如何创建的示例
然后,如果要在keras中填充1个像素,可以调用:
padded_out = Lambda( lambda xi: tf.pad(xi, [[0,0],[1, 1], [1, 1],[0,0]], "SYMMETRIC"))(input_tensor)
批处理似乎需要第一个[0,0],通道则需要最后一个[0,0]。我在keras中编写了一个示例层,它调用tensorflow填充后端
import keras.backend as K
from keras.layers import Layer
class SymmetricPadding2D(Layer):
def __init__(self, output_dim, padding=[1,1],
data_format="channels_last", **kwargs):
self.output_dim = output_dim
self.data_format = data_format
self.padding = padding
super(SymmetricPadding2D, self).__init__(**kwargs)
def build(self, input_shape):
super(SymmetricPadding2D, self).build(input_shape)
def call(self, inputs):
if self.data_format is "channels_last":
#(batch, depth, rows, cols, channels)
pad = [[0,0]] + [[i,i] for i in self.padding] + [[0,0]]
elif self.data_format is "channels_first":
#(batch, channels, depth, rows, cols)
pad = [[0, 0], [0, 0]] + [[i,i] for i in self.padding]
if K.backend() == "tensorflow":
import tensorflow as tf
paddings = tf.constant(pad)
out = tf.pad(inputs, paddings, "REFLECT")
else:
raise Exception("Backend " + K.backend() + "not implemented")
return out
def compute_output_shape(self, input_shape):
return (input_shape[0], self.output_dim)
if __name__ == "__main__":
from keras.models import Sequential
import numpy as np
#Set Image
image = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]]
# Pad to "channels_last format
# which is [batch, width, height, channels]=[1,4,4,1]
image = np.expand_dims(np.expand_dims(np.array(image),2),0)
#Build Keras model
model = Sequential()
model.add(SymmetricPadding2D(1, input_shape=(4,4,1)))
model.build()
# To simply apply existing filter, we use predict with no training
out = model.predict(image)
print(out[0,:,:,0])
你所说的对称填充是什么意思?请参阅
tf.pad(t,paddings,“SYMMETRIC”)
正是我想通过symmetrically padding
@MarcinMożejko请参考我之前的评论,简洁的解决方案,但我认为@Ed Smiths使用REFLECT而不是SYMMETRIC的答案是正确的