这个问题与this question有关, 但有点简单。
我希望 Keras 能够获取一组数字并对它们求和。该数组应具有任意长度,由批处理维度定义。
以下简单示例不起作用:
from keras.models import Model
from keras.layers import Input, Lambda
from keras import backend as K
inp = Input(shape = (1,))
out = Lambda(lambda x: K.sum(x))(inp)
m = Model(inp, out)
m.summary()
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_7 (InputLayer) (None, 1) 0
_________________________________________________________________
lambda_2 (Lambda) () 0
=================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
_________________________________________________________________
输出形状应该是一个标量:(1)。没有批量维度。 m,如上定义,无法编译。
期望的结果是 m.predict(np.array([1,2,3])) 产生 6。或者可能是包含 6 的数组或张量。
能否在 Keras 中完成这项基本任务——在批量维度上应用函数并返回标量?如果没有,是否可以在纯 tensorflow 中完成?
编辑:我刚刚了解到您可以在不编译的情况下从该模型进行预测:
m.predict(np.array([1,2]))
产量
array([3., 3.], dtype=float32)
我想我现在的问题是如何将它压缩成一个标量,并让它进行编译。
请您参考如下方法:
将 tf.reduce_sum() 与 axis=None 结合使用。它将减少所有维度:
import tensorflow as tf
import numpy as np
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Input, Lambda
from tensorflow.keras import backend as K
inp = Input(shape = (3,))
out = Lambda(lambda x: tf.reduce_sum(x, axis=None))(inp)
m = Model(inp, out)
m.predict(np.array([[1, 2, 4]])) # array([7.], dtype=float32)
m.summary()
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_2 (InputLayer) (None, 3) 0
_________________________________________________________________
lambda_1 (Lambda) () 0
=================================================================
Total params: 0
Trainable params: 0
Non-trainable params:
