Как описать модель с функциональным API keras? - PullRequest
Новая
       40

Как описать модель с функциональным API keras?

0 голосов
/ 21 июня 2020

Я изучаю функциональный API keras и пытаюсь описать «своего рода» остаточную нейронную сеть. Вот как я строю модель:

  1. Strat с INPUT, как «K_input»,
  2. Сверните его с ядром 5 * 5 и max_pooling как «CV1»,
  3. Использование исходного INPUT для выполнения более регулярных конвульсий, например «CV2»,
  4. Объедините CV1 и CV2 и примените к плотным слоям и классификатору.
  5. Создайте модель с "keras_model".

Когда он переходит на # 5, он выдает следующее сообщение об ошибке: 

 Error in py_call_impl(callable, dots$args, dots$keywords) : 
  ValueError: Graph disconnected: cannot obtain value for tensor Tensor("input_2:0", shape=(?, 28, 28, 1), dtype=float32) at layer "input_2". The following previous layers were accessed without issue: []

Что это означает? Я попытался настроить форму CV1 и CV2 на c (14, 14, 16), применив 1D conv к CV1, но это не сработало. Спасибо за совет. 

    K_input <- layer_input(c(28, 28,1), name = "INPUT")
    
    CV1 <- 
      K_input %>% 
      layer_conv_2d(filters = 4, c(5,5), activation = "relu", padding = "same", name = "CV1_CV1") %>% 
      layer_max_pooling_2d(pool_size = c(2,2), name = "CV1_MX1") 
    
    summary(CV1) 
    #Tensor("CV1_MX1_1/MaxPool:0", shape=(?, 14, 14, 4), dtype=float32)
    
    CV2 <- 
      K_input %>% 
      layer_conv_2d(filters = 4, c(3,3), activation = "relu", padding = "same", name = "CV2_CV1") %>% 
      layer_conv_2d(filters = 8, c(3,3), activation = "relu", padding = "same", name = "CV2_CV2") %>% 
      layer_conv_2d(filters = 16, c(3,3), activation = "relu", padding = "same", name = "CV2_CV3") %>% 
      layer_max_pooling_2d(c(2,2), name = "CV2_MX1") 
    
    summary(CV2)
    #Tensor("CV2_MX1_1/MaxPool:0", shape=(?, 14, 14, 16), dtype=float32)
    
    
    K _output <- 
      layer_concatenate(c(CV1, CV2) , name = "OUT_C") %>% 
      layer_flatten(name = "OUT_FLAT") %>% 
      layer_dense(units = 32, activation = "relu", name = "OUT_D1") %>% 
      layer_dense(units = 10, activation = "softmax", name = "OUT_D2")  
    
    summary(K_output) 
    
    model_API2 <- keras_model(inputs = K_input, outputs = K_output)
    # When error msg comes
    # Error in py_call_impl(callable, dots$args, dots$keywords) : 
    # ValueError: Graph disconnected: cannot obtain value for 
    # tensor Tensor("input_2:0", shape=(?, 28, 28, 1), dtype=float32) at layer "input_2". 
    # The following previous layers were accessed without issue: []
...