Skip to main content
 首页 » 编程设计

python之Keras 不能添加一个数字数组,产生一个标量吗

2024年11月24日9jpfss

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: