在 Keras 中将特定条目设置为某个值

Posted 2023-02-16

【中文标题】在 Keras 中将特定条目设置为某个值

【英文标题】：Setting specific entries to some value in Keras

【发布时间】：2021-12-12 17:44:44

【问题描述】：

我有以下 Keras 模型代码：

def create_model():
    inputs = layers.Input((32, 32, 20))

    x = layers.Conv2D(filters, 3, padding='same')(inputs)
    x = layers.BatchNormalization()(x)
    x = layers.ReLU()(x)
    
    outputs = layers.Conv2D(6, 1, padding='same')(x)
    outputs = outputs * inputs[..., :1]
    
    model = Model(inputs, outputs)
    return model

我想使用以下代码将一些 outputs 条目设置为基于 inputs 的新值：

outputs[..., 0] = tf.ones_like(inputs[..., 0]) - inputs[..., 0]

但是，它会引发错误：TypeError: 'KerasTensor' object does not support item assignment。我也试过使用

outputs = outputs[..., 0].assign(tf.ones_like(inputs[..., 0]) - inputs[..., 0])

但它会引发不同的错误：'KerasTensor' object has no attribute 'assign'（但是，它适用于普通的张量流张量）。 那么，有没有办法将outputs 的一些值设置为我想要的值？

我想做的例子（使用数组）：

inputs:
[[[0 1 0 0]
  [1 1 1 0]
  [1 0 0 0]]

 [[1 1 0 1]
  [0 1 0 1]
  [1 1 1 0]]]

outputs:
[[[ 0.538 -1.141 -0.483  0.2  ]
  [-0.418  0.087 -0.915  0.433]
  [ 0.434  1.298  1.202  1.13 ]]

 [[ 0.175  1.672  0.769  0.226]
  [ 1.203  0.019  0.107  0.09 ]
  [-0.108  0.145 -0.537  0.213]]]

outputs = outputs * inputs[..., :1] 之后我得到

[[[ 0.    -0.    -0.     0.   ]
  [-0.418  0.087 -0.915  0.433]
  [ 0.434  1.298  1.202  1.13 ]]

 [[ 0.175  1.672  0.769  0.226]
  [ 0.     0.     0.     0.   ]
  [-0.108  0.145 -0.537  0.213]]]

还有outputs[..., 0] = tf.ones_like(inputs[..., 0]) - inputs[..., 0]我想得到

[[[ 1.    -0.    -0.     0.   ]
  [ 0.     0.087 -0.915  0.433]
  [ 0.     1.298  1.202  1.13 ]]

 [[ 0.     1.672  0.769  0.226]
  [ 1.     0.     0.     0.   ]
  [ 0.     0.145 -0.537  0.213]]]

【问题讨论】：

你能举一个具体的例子来说明你到底想做什么吗？

@AloneTogether 我添加了一个示例

你的整个模型呢？

@AloneTogether 也添加了它

【参考方案1】：

这是一个基于tensor_scatter_nd_update 和meshgrid 的简单工作解决方案。有关更多信息，请查看此post。我还在您的模型中引入了Lambda 层来计算输出。

import tensorflow as tf

def compute_output(tensor):
    outputs, inputs = tensor 
    outputs = outputs * inputs[..., :1]

    index_1, index_2, index_3 = tf.meshgrid(tf.range(tf.shape(outputs)[0]), tf.range(tf.shape(outputs)[1]), tf.range(tf.shape(outputs)[2]), indexing='ij')
    index_4 = 0 * tf.cast(tf.ones_like(outputs[..., 0]), dtype=tf.int32)
    indices = tf.stack([index_1, index_2, index_3, index_4], axis=-1)
    return tf.tensor_scatter_nd_update(outputs, indices,  tf.ones_like(inputs[..., 0]) - inputs[..., 0])

def create_model():
    inputs = tf.keras.layers.Input((32, 32, 20))

    x = tf.keras.layers.Conv2D(12, 3, padding='same')(inputs)
    x = tf.keras.layers.BatchNormalization()(x)
    x = tf.keras.layers.ReLU()(x)
    
    outputs = tf.keras.layers.Conv2D(6, 1, padding='same')(x)
    outputs = tf.keras.layers.Lambda(compute_output)((outputs, inputs)) 

    model = tf.keras.Model(inputs, outputs)
    return model

dummy_data = tf.random.normal((1, 32, 32, 20))
model = create_model()
print(model(dummy_data))