Как передать пакетные последовательности изображений через Tensorflow conv2d с помощью tf.keras.layers - PullRequest
Новая
       14

Как передать пакетные последовательности изображений через Tensorflow conv2d с помощью tf.keras.layers

1 голос
/ 13 апреля 2019

У меня есть вход: 

[batch_size, number_of_images, img_size_x, img_size_y]

например. [24, 51, 28,28]

Теперь я хочу обработать каждое изображение элемента пакета через слой Conv2d и собрать выходные данные.

Я хотел бы изменить ввод, используя слой

tf.keras.layer.Reshape(1,28,28)

чтобы получить что-то вроде [1224, 1, 28, 28]

который я могу обработать.

Это минимальный пример для воспроизведения ошибки 

import numpy as np
import tensorflow as tf
tf.enable_eager_execution()

input_data = np.ones((24, 51, 28, 28))
input_label = np.ones((24, 51, 10))

output_data = np.ones((24, 10))

inp_layer = tf.keras.layers.Input(shape=(51, 28, 28))
input_batch_label = tf.keras.layers.Input(shape=(51, 10))

res1 = tf.keras.layers.Reshape((1, 28, 28), name="reshape1")(inp_layer)
perm1 = tf.keras.layers.Permute((2, 3, 1))(res1)
cnn1 = tf.keras.layers.Conv2D(64, 3, padding="same", activation='relu')(perm1)
max1 = tf.keras.layers.MaxPooling2D(16, 16, padding="valid")(cnn1)
res2 = tf.keras.layers.Reshape((51, 64))(max1)

combined_input = tf.keras.layers.concatenate([res2, input_batch_label], axis=-1, )

flat = tf.keras.layers.Flatten()(combined_input)
fc1 = tf.keras.layers.Dense(10)(flat)


model = tf.keras.Model(inputs=[inp_layer, input_batch_label], outputs=fc1)
model.compile(optimizer=tf.train.AdamOptimizer(0.0001), loss='categorical_crossentropy', metrics=['accuracy'])
model.fit([input_data, input_label], output_data, batch_size=24, verbose=1)

Я предполагаю из следующей ошибки, что этот слой изменения формы запрашивает ввод в виде [24, 1, 28, 28], но мне нужно передать [24, 51, 1, 28, 28]

tensorflow.python.framework.errors_impl.InvalidArgumentError: 
Input to reshape is a tensor with 959616 values, but the requested shape has 18816
[[{{node Reshape}}]] [Op:StatefulPartitionedCall]

У вас есть какие-либо рекомендации или вы видите другую возможность структурировать мою модель?

Если я использую tf.reshape, это работает нормально, но у меня возникают проблемы с использованием функционального API Keras, поскольку вывод tf.reshape не является выводом правильного слоя.

Заранее спасибо

1 Ответ

2 голосов
/ 13 апреля 2019

@ Берриэль Большое спасибо за ваш ответ.Если я изменю код на следующий, все прекрасно работает. 

def reshape1():
    def func(x):
        ret = tf.reshape(x, [-1, 1, 28, 28])
        return ret
    return tf.keras.layers.Lambda(func)

def reshape2():
    def func(x):
        ret = tf.reshape(x, [-1, 51, 64])
        return ret
    return tf.keras.layers.Lambda(func)

res1 = reshape1()(inp_layer)
perm1 = tf.keras.layers.Permute((2, 3, 1))(res1)
cnn1 = tf.keras.layers.Conv2D(64, 3, padding="same", activation='relu')(perm1)
max1 = tf.keras.layers.MaxPooling2D(16, 16, padding="valid")(cnn1)
#res2 = tf.keras.layers.Reshape((51, 64))(max1)
res2 = reshape2()(max1)
combined_input = tf.keras.layers.concatenate([res2, input_batch_label], axis=-1, )

flat = tf.keras.layers.Flatten()(combined_input)
fc1 = tf.keras.layers.Dense(10)(flat)
...