在 Keras 中，如何任意调整一维张量的大小？

Posted 2023-02-25

【中文标题】在 Keras 中，如何任意调整一维张量的大小？

【英文标题】：In Keras, how can I arbitrarily resize a 1D Tensor?

【发布时间】：2017-07-27 19:57:56

【问题描述】：

为了使单通道图像和一维张量之间的 keras 连接操作成为可能，我需要重塑我的一维张量的长度以匹配两个图像尺寸并 填充所有带零的额外神经元。我该怎么做？

显示等效问题的示例代码：

from keras.layers import Input, Dense, Conv2D, Reshape, concatenate

inputs = Input(shape = (784,))

dense_layer = Dense(10)(inputs)

reshaped_layer = Reshape((28, 28, 1))(inputs)

convolved_layer = Conv2D(10, (3, 3))(reshaped_layer)

concatenated_layer = concatenate([convolved_layer, dense_layer])

ValueError：连接层需要具有匹配形状的输入，连接轴除外。得到输入形状：[(None, 26, 26, 10), (None, 10)]

当然，我不能在一维张量上使用 Reshape 来执行此操作，因为它没有正确数量的神经元，而且我不想展平和重塑卷积层，因为这会涉及丢失有用的空间信息。 有什么方法可以让我使用 numpy 数组制作一个形状正确的新 keras 层，其中包含 dense_layer 数据和填充？

【问题讨论】：

那么，你有一个形状为 (26, 26, 10) 的张量 A 和一个形状为 (10,) 的张量 B，你想将它们连接在一起吗？你想怎么做？这样你就有了一个形状为 (27, 27, 10) 的张量 C，其中 C[-1, -1, :] = B?

好吧，由于 convolved_layer 是 10 个 26x26 过滤图像的堆栈，我可以将dense_layer 形成一个 26x26 像素的图像，其中前 10 个像素是密集层的值（和其余的都是零），并将其放在 10 个过滤图像的顶部。在这种情况下，concatenated_layer 的最终尺寸将是 (26, 26, 11)。

【参考方案1】：

好的，我需要 Keras ZeroPadding1D 层。 （线索就在名字里）。

from keras.layers import Input, Dense, Conv2D, Reshape, concatenate, ZeroPadding1D

inputs = Input(shape = (784,))

dense_layer = Dense(10)(inputs)

dense_layer_with_added_axis = Reshape((10, 1))(dense_layer)

dense_zero_padded = ZeroPadding1D(333)(dense_layer_with_added_axis)

dense_reshaped = Reshape((26, 26, 1))(dense_zero_padded)

reshaped_layer = Reshape((28, 28, 1))(inputs)

convolved_layer = Conv2D(10, (3, 3))(reshaped_layer)

concatenated_layer = concatenate([convolved_layer, dense_reshaped])

print(concatenated_layer._keras_shape)

输出：（无，26、26、11）

ZeroPadding1D 层的参数是在输入张量的任一侧添加的零的数量。所以在这种情况下，dense_zero_padded 层是一个一维数组，由 333 个零、来自dense_layer 的 10 个值和另外 333 个零组成。然后将其重新整形为 (26, 26, 1) 张量，它可以很好地堆叠在 convolved_layer 的过滤图像之上。