пользовательский слой с проблемой Tensorflow 2.1 с выходной формой - PullRequest
Новая
       4

пользовательский слой с проблемой Tensorflow 2.1 с выходной формой

0 голосов
/ 05 мая 2020

Я пытаюсь сделать так, чтобы пользовательский слой возвращал тензор (25,1), однако есть batch_size, который нужно передать (я получаю сообщение об ошибке со следующего слоя). Я искал примеры, но не мог понять, как указать форму вывода.

Далее мне нужна произвольная форма вывода, независимая от размера ввода, поскольку вычисление (не часть приведенного ниже примера) всегда будет возвращать фиксированное количество значений.

Я пробовал следующее: 

class SimpleLayer(layers.Layer):
    def __init__(self, **kwargs):
        super(SimpleLayer,  self).__init__(**kwargs)
        self.baseline = tf.Variable(initial_value=0.1, trainable=True)

    def call(self, inputs):
        print ("in call inputs:", inputs.shape)
        ret = tf.zeros((25, 1)) + self.baseline
        print("Ret:", ret, "Shape", tf.shape(ret))
        return (ret)

это возвращает: 

Ret: Tensor("om/add:0", shape=(25, 1), dtype=float32) Shape Tensor("om/Shape:0", shape=(2,), dtype=int32)
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
inputs (InputLayer)          [(None, 150, 1)]          0         
_________________________________________________________________
dense (Dense)                (None, 150, 256)          512       
_________________________________________________________________
om (SimpleLayer)             (25, 1)                   1         
=================================================================

Но это создает форму вывода (25, 1), но не (None, 25, 1).

затем я попробовал: 

class SimpleLayer(layers.Layer):
    def __init__(self, **kwargs):
        super(SimpleLayer,  self).__init__(**kwargs)
        self.baseline = tf.Variable(initial_value=0.1, trainable=True)

    def call(self, inputs):
        print ("in call inputs:", inputs.shape)
        ret = tf.zeros((25, 1)) + self.baseline
        return (ret)

и получил ошибку: 

TypeError: Expected int32, got None of type 'NoneType' instead.

любое предложение?

1 Ответ

1 голос
/ 05 мая 2020

Я предлагаю вам использовать входные данные, определенные в методах вызова, иначе слой не имеет смысла

Я привожу фиктивный пример и отлично работает 

class SimpleLayer(tf.keras.layers.Layer):
    def __init__(self, **kwargs):
        super(SimpleLayer,  self).__init__(**kwargs)
        self.baseline = tf.Variable(initial_value=0.1, trainable=True)

    def call(self, inputs):
        ret = inputs + self.baseline
        return (ret)

    def compute_output_shape(self, input_shape):
        return (input_shape[0], input_shape[1], input_shape[2])

создать модель с SimpleLayer 

inp = Input(shape=(25,1))
x = SimpleLayer()(inp)
out = Dense(3)(x)
model = Model(inp, out)
model.summary()

сводка: 

Layer (type)                 Output Shape              Param #   
=================================================================
input_10 (InputLayer)        [(None, 25, 1)]           0         
_________________________________________________________________
simple_layer_16 (SimpleLayer (None, 25, 1)             1         
_________________________________________________________________
dense_22 (Dense)             (None, 25, 3)             6         
=================================================================
Total params: 7
Trainable params: 7
Non-trainable params: 0

РЕДАКТИРОВАТЬ

Я пытаюсь преодолеть проблему отсутствия измерения таким образом 

class SimpleLayer(tf.keras.layers.Layer):
    def __init__(self, **kwargs):
        super(SimpleLayer,  self).__init__(**kwargs)
        self.baseline = tf.Variable(initial_value=0.1, trainable=True, dtype=tf.float64)

    def call(self, inputs):
        ret = tf.zeros((1, 25, 1), dtype=tf.float64) + self.baseline
        ret = tf.compat.v1.placeholder_with_default(ret, (None, 25, 1))
        return (ret)

inp = Input((150,1))
x = Dense(256)(inp)
x = SimpleLayer()(x)
x = Dense(10)(x)

model = Model(inp, x)
model.summary()

резюме: 

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_34 (InputLayer)        [(None, 150, 1)]          0         
_________________________________________________________________
dense_68 (Dense)             (None, 150, 256)          512       
_________________________________________________________________
simple_layer_9 (SimpleLayer) (None, 25, 1)             1         
_________________________________________________________________
dense_69 (Dense)             (None, 25, 10)            20        
=================================================================
Total params: 533
Trainable params: 533
Non-trainable params: 0
...