Tensorflow 如何为自定义keras图层创建可训练重量变量

我正在实现自定义平均池层，每个神经元计算其输入的平均值，然后将结果乘以可学习系数并添加可学习偏差项，最后应用激活函数

from tensorflow.keras.layers import Layer

from keras import backend as K


class Average_Pooling_Layer(Layer):
    def __init__(self, output_dimension, **kwargs):
        super(Average_Pooling_Layer, self).__init__(**kwargs)
        self.output_dimension = output_dimension

    def build(self, input_shape):

        self.weights = self.add_weight(name='weights2',
                              shape=(input_shape[0], 
                               int(self.output_dimension[0]), 
                               int(self.output_dimension[1]), 
                               int(self.output_dimension[2])),
                               initializer='uniform',
                               trainable=True)
    super(Average_Pooling_Layer, self).build(input_shape)

   def call(self, inputs):
        return K.tanh((inputs * self.weights))

    def compute_output_shape(self, input_shape):
        return (input_shape)

代码使用

model = tf.keras.Sequential()
stride = 1
c1 = model.add(Conv2D(6, kernel_size=[5,5], strides=(stride,stride), padding="valid", input_shape=(32,32,1), 
                  activation = 'tanh'))
s2_before_activation = model.add(AveragePooling2D(pool_size=(2, 2), strides=(2, 2)))
s2 = model.add(Average_Pooling_Layer(output_dimension = (14, 14, 6)))

我得到的错误是“未能将类型转换为张量。内容：（维度（无），14, 14, 6）。将铸造元素考虑为支持类型。”“没有”是批大小，这是我从前一层得到的。

---

如何解决此问题？

您的错误是由数据类型引起的

input_shape[0]

返回

而不是

int

您可以将

input\u shape[0]

替换为

tf.TensorShape（input\u shape）.as\u list（）[0]

。但是您的数据维度不正确，您必须根据需要调整和修改它

编辑

---

如果错误为“无法设置属性”，则应重命名权重变量，而不是

self.weights

。例如，更改为<>代码>自已.Weyths<新/<代码> .< /p>仍然相同的错误：未能将类型对象转换为张量。内容：（没有，14, 14, 6）。将铸造元素考虑为支持类型。“我的输出维度是14, 14, 6，我想是这样的。correct@VamshiPulluri首先，层重量的形状应与批次大小无关，因此，您不应该使用

[0]

索引。第二，当激活前的

s2\u的形状
输出为
（无，16，16，6）
时，您希望在
平均池层
中实现什么功能，并让它输出为
（无，14，14，6）
？所以我认为你的数据维度不对。谢谢你的第二点。将其编辑为包含
c1
的
valid
填充。我实际上是在为LeNet5 NN创建池层。池层的每个神经元计算其输入的平均值，然后将结果乘以可学习系数并添加可学习偏差项，最后应用激活函数。因此，
s2\u激活前
计算
平均值
。现在，
s2
乘以
learnable权重
并加上
偏差
项（这在代码中还不熟悉），至于第一点，当我保持形状为
shape=（int（self.output\u维度[0]），int（self.output\u维度[1]），int（self output\u维度[2]））
在
build
方法的
self.weights
中，我得到了错误，因为“无法设置属性”@VamshiPulluri我已经在答案中回答了这个问题。