【实验踩坑小结】如何在keras构建model中取出tensor中的某一维数据

问题描述：

上一层得到的tensor是一个二维的【Tensor(“dense_3/BiasAdd:0”, shape=(?, 2), dtype=float32)】，我想对tensor中的不同列做不同的激活函数操作，所以需要单独的把我需要的那部分取出来。

错误做法：

inputs = Input((128, 128,1))
fc = Dense(2)(inputs)
a = fc[:,0]
s = fc[:,1]
a = Activation('relu')(a)
s = Activation('sigmoid')(s)

a = UpSampling2D((128,128))(Reshape([1,1,1])(a))
s = UpSampling2D((128,128))(Reshape([1,1,1])(s))
outputs = Lambda(lambda x: tf.where(tf.less_equal(x[0], x[1]), x[0]*x[2], x[0]))([inputs, s, a])

model = Model(inputs = inputs, outputs = outputs)

在运行过程中是不存在语法问题的，且把a和s打印出来也可以看到的确是正确的tensor维度，但是到了构建model的时候，会报出以下错误：

AttributeError: ‘NoneType’ object has no attribute ‘_inbound_nodes’

非常眼熟的问题，之前写的那篇keras.layer中反复提到的报错问题——构建model的过程中出现了不属于keras.layer的函数。一步步往前排查，发现就是直接对fc取值时出了错，不能直接取。

解决方法:

用Lambda封装为layer。我最开始还用了tf.slice，其实可以直接把取值操作进行封装。

\\直接封装取值操作【类似list的做法】
a = Lambda(lambda x: x[:,0])(fc)
s = Lambda(lambda x: x[:,1])(fc)

\\用tf.slice,也需要封装
a = Lambda(lambda x: tf.slice(x,[0,0],[128,1]))(fc) 
s = Lambda(lambda x: tf.slice(x,[0,1],[128,1]))(fc) 

ps:需要特别注意的是，list做法会导致降维，所以后续可能需要reshape操作等。而tf.slice的输出形状是和输入形状一致，shape不发生变化。

附录:

（1）tf.slice：把tensor切片

def slice(input_, begin, size, name=None):

input_：需要切片的tensor
begin：每一个维度的起始位置
size：每个维度拿几个元素出来

例子：

t = tf.constant([[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]], [[5, 5, 5], [6, 6, 6]]])
a = tf.slice(t, [1, 0, 0], [1, 1, 3])

//a = [[[3, 3, 3]]]

• t的shape为[3,2,3]，第一个维度是t = [A, B, C]。A = [[1, 1, 1], [2, 2, 2]]，B = [[3, 3, 3], [4, 4, 4]]， C = [[5, 5, 5], [6, 6, 6]]。第二个维度是 A,B,C=[i, j]，以A为例，i = [1, 1, 1]，j = [2, 2, 2]。第三个维度就是i,j中对应得元素个数。
• begin参数对应[1,0,0]。意思是在第一个维度从index为1开始算，由于起始index为0，所以此处指的是B。以此类推，第二个维度从i开始算，第三个维度从内框中的第一个元素开始算。
• size参数对应[1,1,3]。意思是每个维度取几个元素。和begin综合来看就是，第一个维度，从B开始取，取一个，就是只取B；第二个维度从i开始算，也是只取一个，就是取i；第三个维度从起始开始算，取三个，就是把i中的元素取三个。

（2）tf.where

tf.where(condition, A, B)

• condition：一个Tensor,数据类型为tf.bool类型

• 如果A、B均为空，那么返回condition中值为True的位置的Tensor

• 如果A、B不为空的话(形状必相同)，返回值和A、B有相同的形状，如果condition对应位置值为True那么返回Tensor对应位置为A的值，否则为B的值