keras编写自定义的层

写在前面的话

keras已经有很多封装好的库供我们调用，但是有些时候我们需要的操作keras并没有，这时就需要学会自定义keras层了

1.Lambda

这个东西很方便，但是只能完成简单、无状态的自定义操作，而不能建立含有可训练权重的自定义层。

from keras.layers import Input,Lambda
from keras import Model
import tensorflow as tf

input=Input(shape=(224,224,3))

input.shape #Input第一个维度为batchsize维度

output=Lambda(lambda x: x[...,1])(input) #取最后一个维度的数据,...表示前面所有的维度

Model=Model(inputs=input,outputs=output)

Model.output

2.keras_custom

学习自keras中文文档

2.自定义keras层（带有可训练权重）
① build：定义权重，且self.build=True，可以通过迪奥哟经super([layer],self).build()完成
② call:功能逻辑实现
③ compute_output_shape:计算输出张量的shape

import keras.backend as K
from keras.engine.topology import Layer #这里的Layer是一个父类，下面的MyLayer将会继承Layer 

class MyLayer(Layer): #自定义一个keras层类
  def __init__(self,output_dim,**kwargs): #初始化方法
    self.output_dim=output_dim
    super(MyLayer,self).__init__(**kwargs) #必须要的初始化自定义层
  def build(self,input_shape): #为Mylayer建立一个可训练的权重
    #通过add_weight的形式来为Mylayer创建权重矩阵
    self.kernel=self.add_weight(name='kernel',
                  shape=(input_shape[1],self.output_dim), #这里就是建立一个shape大小的权重矩阵
                  initializer='uniform',
                  trainable=True)
    super(MyLayer,self).build(input_shape) #一定要用，也可以用下面一行
    #self.build=True
  def call(self,x): #call函数里就是定义了对x张量的计算图，且x只是一个形式，所以不能被事先定义
    return K.dot(x,self.kernel) #矩阵乘法
  def compute_output_shape(self,input_shape):
    return (input_shape[0],self.output_dim) #这里是自己手动计算出来的output_shape
--------------------------------------------------------------------------------
class Mylayer(Layer):
  def __init__(self,output_dim,**kwargs):
    self.output_dim=output_dim
    super(MyLayer,self).__init__(**kwargs)
  def build(self,input_shape):
    assert isinstance(input_shape,list) #判断input_shape是否是list类型的
    self.kernel=self.add_weight(name='kernel',
                  shape=(input_shape[0][1],self.output_dim), #input_shape应该长得像[(2,2),(3,3)]
                  initializer='uniform',
                  trainable=True)
    super(MyLayer,self).build(input_shape)
  def call(self,x):
    assert isinstance(x,list)
    a,b=x #从这里可以看出x应该是一个类似[(2,2),(3,3)]的list,a=(2,2),b=(3,3)
    return [K.dot(a,self.kernel)+b,K.mean(b,axis=-1)]

本人现在的研究方向是：
图像的语义分割，如果有志同道合的朋友，可以组队学习
haiyangpengai@gmail.com qq:1355365561