keras 使用Lambda 快速新建層 添加多個(gè)參數(shù)操作
keras許多簡單操作，都需要新建一個(gè)層，使用Lambda可以很好完成需求。
# 額外參數(shù)
def normal_reshape(x, shape):
return K.reshape(x,shape)
output = Lambda(normal_reshape, arguments={'shape':(-1, image_seq, 1000)})(output)
output = Lambda(lambda inp: K.mean(inp, axis=1), output_shape=(1000,))(output)
補(bǔ)充知識(shí)：keras 實(shí)現(xiàn)包括batch size所在維度的reshape，使用backend新建一層 針對(duì)多輸入使用不同batch size折衷解決辦法
新建層，可以在此層內(nèi)使用backend完成想要的功能，如包含batch size維度在內(nèi)的reshpe：
def backend_reshape(x): return backend.reshape(x, (-1, 5, 256))
使用lambda方法調(diào)用層：
vision_model.add(Lambda(backend_reshape, output_shape=(5, 256)))
注意指定輸出維度
在多輸入問題中，有時(shí)兩個(gè)輸入具有不同的batch size，但在keras無法直接實(shí)現(xiàn)。我所遇到的問題是，我有兩個(gè)輸入分別是圖像輸入和問題輸入，對(duì)于圖像輸入每個(gè)樣本是一個(gè)圖像序列。這就要求我們?cè)诎褕D像序列輸入到CNN中時(shí)是一張一張圖像。
我的解決辦法是在輸入是把圖像序列作為一個(gè)樣本，等輸入進(jìn)去后，通過上述的reshape方法將圖像序列重新拆分成一張張圖像輸入到CNN，然后在后期處理時(shí)重新reshape成一個(gè)序列樣本。
代碼：
image_seq = 4 def preprocess_reshape(x): return K.reshape(x, (-1, 224, 224,3)) def backend_reshape(x): return K.reshape(x, (-1, image_seq, 256))
image_input = Input(shape=(image_seq, 224, 224, 3) , name='input_img') image_re = Lambda(preprocess_reshape, output_shape=(224,224,3))(image_input) im_pre = Lambda(preprocess_input, name='preprocessing')(image_re)
vision_model.add(Lambda(backend_reshape, output_shape=(image_seq, 256))) vision_model.add(LSTM(256, kernel_regularizer=l2, recurrent_regularizer=l2))
以上這篇keras 使用Lambda 快速新建層 添加多個(gè)參數(shù)操作就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
python中合并兩個(gè)文本文件并按照姓名首字母排序的例子
這篇文章主要介紹了python中合并兩個(gè)文本文件并按照姓名首字母排序的例子,需要的朋友可以參考下2014-04-04
Python對(duì)比校驗(yàn)神器deepdiff庫使用詳解
deepdiff模塊常用來校驗(yàn)兩個(gè)對(duì)象是否一致，包含3個(gè)常用類，DeepDiff，DeepSearch和DeepHash，其中DeepDiff最常用，可以對(duì)字典，可迭代對(duì)象，字符串等進(jìn)行對(duì)比，使用遞歸地查找所有差異，本文給大家講解Python對(duì)比校驗(yàn)神器deepdiff庫，感興趣的朋友一起看看吧2023-04-04
numpy數(shù)組的重塑和轉(zhuǎn)置實(shí)現(xiàn)
本文主要介紹了numpy數(shù)組的重塑和轉(zhuǎn)置實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
Python網(wǎng)絡(luò)爬蟲之Web網(wǎng)頁基礎(chǔ)
我們?cè)趯W(xué)習(xí)爬蟲之前，要先了解網(wǎng)頁的組成，只有我們了解其組成嗎，才可以方能百戰(zhàn)百勝，文章中有詳細(xì)的代碼示例，需要的朋友可以參考一下2023-04-04
下面小編就為大家分享一篇python 列表刪除所有指定元素的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-04-04
Python 動(dòng)態(tài)變量名定義與調(diào)用方法
這篇文章主要介紹了Python 動(dòng)態(tài)變量名定義與調(diào)用方法,需要的朋友可以參考下2020-02-02
這篇文章主要介紹了python爬蟲進(jìn)階之協(xié)程詳解,coroutine中文翻譯叫協(xié)程，在 Python 中昌指代為協(xié)程對(duì)象類型，可以將協(xié)程對(duì)象注冊(cè)到時(shí)間循環(huán)中被調(diào)用,需要的朋友可以參考下2023-08-08
詳解如何利用Pytest?Cache?Fixture實(shí)現(xiàn)測(cè)試結(jié)果緩存
這篇文章主要為大家詳細(xì)介紹了如何利用Pytest?Cache?Fixture實(shí)現(xiàn)測(cè)試結(jié)果緩存,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起了解一下2023-09-09
使用Python實(shí)現(xiàn)毫秒級(jí)搶單功能
年中購物618大狂歡開始了，各大電商又開始了大力度的折扣促銷，我們的小胖又給大家謀了一波福利，淘寶APP直接搜索：小胖發(fā)福利，每天領(lǐng)取三次粉絲專屬現(xiàn)金大紅包。這篇文章主要介紹了用Python完成毫秒級(jí)搶單，助你秒殺淘寶大單,需要的朋友可以參考下2019-06-06
這篇文章主要介紹了Python實(shí)現(xiàn)隊(duì)列的方法,實(shí)例分析了Python實(shí)現(xiàn)隊(duì)列的相關(guān)技巧,需要的朋友可以參考下2015-05-05