Действительно ли tf.keras.layers.Conv2D как первый слой в модели нуждается в input_shape? - PullRequest
Новая
       16

Действительно ли tf.keras.layers.Conv2D как первый слой в модели нуждается в input_shape?

0 голосов
/ 06 ноября 2018

Согласно официальному документу по tf.keras.layers.Conv2D,

При использовании этого слоя в качестве первого слоя в модели укажите ключевое слово аргумент input_shape (кортеж целых чисел, не включая ось образца), например, input_shape = (128, 128, 3) для изображений RGB 128x128 в data_format = "channel_last".

но на самом деле без input_shape он работает как в графическом режиме, так и в среде активного исполнения.

В графическом исполнении, 

import tensorflow as tf
from tensorflow.keras.layers import Conv2D, Flatten, Dense

class CNN(tf.keras.Model):

    def __init__(self):
        super(CNN, self).__init__()
        self.conv = Conv2D(1, 3, padding='same', data_format='channels_first')
        self.flatten = Flatten()
        self.dense = Dense(1)

    def call(self, inputs):
        x = self.conv(inputs)
        x = self.flatten(x)
        return self.dense(x)


cnn = CNN()
inputs = tf.random_uniform([2, 3, 16, 16])
outputs = cnn(inputs)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    outputs = sess.run(outputs)
    print(outputs)

работает без ошибок и в стремительном исполнении, 

import tensorflow as tf
from tensorflow.keras.layers import Conv2D, Flatten, Dense
tf.enable_eager_execution()

class CNN(tf.keras.Model):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv = Conv2D(1, 3, padding='same', data_format='channels_first')
        self.flatten = Flatten()
        self.dense = Dense(1)

    def call(self, inputs):
        x = self.conv(inputs)
        x = self.flatten(x)
        return self.dense(x)


cnn = CNN()
inputs = tf.random_uniform([2, 3, 16, 16])
outputs = cnn(inputs)
print(outputs)

также делает.

Q1: действительно ли tf.keras.layers.Conv2D как первый слой в модели необходимо указать input_shape?

Q2: Если нет, то когда это необходимо и почему это упоминается в официальном документе?

Update1: Учебник по tf.keras говорит

Количество входных измерений часто не нужно, так как оно может быть выведено первый раз, когда слой используется, но он может быть предоставлен, если вы хотите укажите его вручную, что полезно в некоторых сложных моделях.

UPDATE2: git blame строки документации в источнике TensorFlow показали, что этот документ скопирован из Keras API (который не является TensorFlow keras API).

1 Ответ

0 голосов
/ 06 ноября 2018

Свертка вообще не нуждается во входной форме. На самом деле вы можете подавать в одну и ту же сеть разные формы ввода, но это намного быстрее, когда вы задаете тензор потока формы ввода. Я думаю, что причина, почему это указано в документах.

Оригинальный метод tenorflow даже не имеет аргумента для входных фигур.

...