Я работаю над DCSCN (нейронной сетью для изображения super-rez) и хочу оценить неопределенность в соответствии с методом Алекса Кендалла и Ярина Гала в статье «Какие неопределенности нам нужны в Байесовском глубоком обучении для компьютерного зрения?»используя Keras.
Для этого мне нужен слой, который принимает тензор формы (?, n, m, 3) и возвращает тензор (?, n, m, 4) с (?, n, м, -1) с нулями.
Я пробовал эту функцию:
def AddChan(**kwargs):
def layer(x):
input_shape = K.int_shape(x)
output_shape = (input_shape[0], input_shape[1],input_shape[2],1)
z = K.zeros(output_shape)
res = K.concatenate([x, z], axis=-1)
return res
return Lambda(layer, **kwargs)
, которая повышает:
Expected int32, got None of type '_Message' instead.
Я думаю, это потому, что input_shape[0]
является динамическимно я не вижу другого способа получить то, что я хочу.
У кого-нибудь есть идея?
Спасибо!