【实验踩坑小结】keras中的Lambda层使用

适用场合:

只要使用Model,就必须保证该函数内的所有层继承自keras中Layer的层。当我们有以下需求时,可以尝试使用keras中的Lambda层:

(1)当我们需要使用其他层进行相应操作(如keras.backend),或者使用tensorflow中的某些函数(如tf.reduce_max)时。

(2)进行常数或者维度不匹配的tensor与tensor的算术运算(广播机制)。


使用方法:

keras.layers.Lambda(function, output_shape=None, mask=None, arguments=None)

参数:

  • function:需要封装的函数。将输入张量作为第一个参数。
  • output_shape: 预期的函数输出尺寸。只使用Theano 时有意义。可以是元组或者函数。 如果是元组,它只指定第一个维度;样本维度假设与输入相同:output_shape = (input_shape[0], )+output_shape 或者,输入是None且样本维度也是None:output_shape = (None, ) +output_shape 如果是函数,它指定整个尺寸为输入尺寸的一个函数:output_shape = f(input_shape)
  • arguments: 可选的需要传递给函数的关键字参数。

(1)在同一个函数内部使用

import keras.backend as K
from keras.layers import Lambda
import tensorflow as tf

maxpool_spatial = Lambda(lambda x: tf.reduce_max(x,axis=3,keepdims=True))(channel_refined_feature)
refined_feature = Lambda(lambda x: x[0] *x[1])([channel_refined_feature, spatial_attention])
spatial_attention = Lambda(lambda x: x *0.8)(refined_feature)

//也可以先预定义一下,再后面直接使用
//只允许有一个参数,所有有多个时,可以以列表的形式列举出来[a,b,c]
my_concat = Lambda(lambda x: K.concatenate([x[0], x[1]], axis=3))
concate1 = my_concat([up1, layer1])
concate2 = my_concat([up2, layer2])

(2)另外封装成新的函数

def myconcat(x):
	my_concat = K.concatenate([x[0], x[1]], axis=3)
	return my_concat

def myNet():
	
	concate1 = Lambda(myconcat)([up1, layer1])

常见错误:

(1)AttributeError ‘NoneType’ object has no attribute ‘_inbound_nodes’

只要使用Model,就必须保证该函数内的所有层继承自keras中Layer的层。检查搭建函数的过程中的所有操作是否都来自keras.layers层。

(2)AttributeError ‘tuple’ object has no attribute ‘layer’
注意事项: 确保Lambda层中的函数(除了在封装函数中使用keras.layers),都是无需训练的操作,没有可学习的权重等等(如使用了tf.layers.dense)。

  • 6
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值