溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要講解了keras中slice layer層是如何實現的，內容清晰明了，對此有興趣的小伙伴可以學習一下，相信大家閱讀完之后會有幫助。
注意的地方： keras中每層的輸入輸出的tensor是張量， 比如Tensor shape是（N, H, W, C), 對于tf后臺， channels_last
Define a slice layer using Lamda layer def slice(x, h2, h3, w1, w2): """ Define a tensor slice function """ return x[:, h2:h3, w1:w2, :]
定義完slice function之后，利用lambda layer添加到定義的網絡中去
# Add slice layer
slice_1 = Lambda(slice, arguments={'h2': 0, 'h3': 6, 'w1': 0, 'w2': 6})(sliced)
# As for tensorfow backend, Lambda doesn't need output shape argument
slice_2 = Lambda(slice, arguments={'h2': 0, 'h3': 6, 'w1': 6, 'w2': 12})(sliced)補充知識：tensorflow和keras張量切片（slice）
Notes
想將一個向量
分割成兩部分：
操作大概是：
在 TensorFlow 中，用 tf.slice 實現張量切片，Keras 中自定義 Lambda 層實現。
TensorFlow
tf.slice(input_, begin, size, name=None)
input_：tf.tensor，被操作的 tensor
begin：list，各個維度的開始下標
size：list，各個維度上要截多長
import tensorflow as tf with tf.Session() as sess: a = tf.constant([1, 2, 3, 4, 5]) b = tf.slice(a, [0], [2]) # 第一個維度從 0 開始，截 2 個 c = tf.slice(a, [2], [3]) # 第一個維度從 2 開始，截 3 個 print(a.eval()) print(b.eval()) print(c.eval())
輸出
[1 2 3 4 5]
[1 2]
[3 4 5]
Keras
from keras.layers import Lambda from keras.models import Sequential import numpy as np a = np.array([[1, 2, 3, 4, 5]]) model = Sequential([ Lambda(lambda a: a[:, :2], input_shape=[5]) # 第二維截前 2 個 ]) print(model.predict(a))
輸出
[[1. 2.]]
看完上述內容，是不是對keras中slice layer層是如何實現的有進一步的了解，如果還想學習更多內容，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
