Tensorflow 创建自定义激活时出错,该激活使用keras减小通道大小
我用keras创建了一个自定义激活函数,它将通道大小减少了一半(最大功能映射激活) 下面是代码的一部分:Tensorflow 创建自定义激活时出错,该激活使用keras减小通道大小,tensorflow,keras,keras-layer,keras-2,Tensorflow,Keras,Keras Layer,Keras 2,我用keras创建了一个自定义激活函数,它将通道大小减少了一半(最大功能映射激活) 下面是代码的一部分: import tensorflow as tf import keras from keras.utils.generic_utils import get_custom_objects from keras.models import Sequential from keras.layers import Dense, Dropout, Flatten from keras.layers
import tensorflow as tf
import keras
from keras.utils.generic_utils import get_custom_objects
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D, Activation
def MyMFM (x):
Leng = int(x.shape[-1])
ind1=int(Leng/2)
X1=x[:,:,:,0:ind1]
X2=x[:,:,:,ind1:Leng]
MfmOut=tf.maximum(X1,X2)
return MfmOut
get_custom_objects().update({'MyMFM ': Activation(MyMFM)})
model = Sequential()
model.add(Conv2D(32, kernel_size=(5, 5),strides=(1, 1), padding = 'same',input_shape = (513,211,1)))
model.add(Activation(MyMFM))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(48, kernel_size=(1, 1),strides=(1, 1 ), padding = 'same'))
编译此代码时,出现以下错误:
number of input channels does not match corresponding dimension of filter, 16 != 32
此错误来自最后一行代码。激活后,通道长度从32缩短到16。但下一层会自动将通道长度视为32(第一层中的滤波器数量)而不是16。我尝试在第二个卷积层中添加input_shape参数,以将输入形状定义为(513211,16)。但这也给了我同样的错误。激活后,我应该如何将张量的形状传递到下一层
谢谢因此-根据文档,您可能会看到keras
引擎会自动将层的输出形状设置为与其输入形状相同
改用图层。为什么要使用
激活
。我会尝试Lambda
,因为Activation
可能无法更改输出的形状。很抱歉@MarcinMożejko,我删除了我的答案。