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在keras中如何實現獲取張量tensor的維度大小，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。
在進行keras 網絡計算時，有時候需要獲取輸入張量的維度來定義自己的層。但是由于keras是一個封閉的接口。因此在調用由于是張量不能直接用numpy 里的A.shape()。這樣的形式來獲取。這里需要調用一下keras 作為后端的方式來獲取。當我們想要操作時第一時間就想到直接用 shape ()函數。其實keras 中真的有shape()這個函數。
shape（x）返回一個張量的符號shape，符號shape的意思是返回值本身也是一個tensor，
示例：
>>> from keras import backend as K >>> tf_session = K.get_session() >>> val = np.array([[1, 2], [3, 4]]) >>> kvar = K.variable(value=val) >>> input = keras.backend.placeholder(shape=(2, 4, 5)) >>> K.shape(kvar) <tf.Tensor 'Shape_8:0' shape=(2,) dtype=int32> >>> K.shape(input) <tf.Tensor 'Shape_9:0' shape=(3,) dtype=int32> __To get integer shape (Instead, you can use K.int_shape(x))__ >>> K.shape(kvar).eval(session=tf_session) array([2, 2], dtype=int32) >>> K.shape(input).eval(session=tf_session) array([2, 4, 5], dtype=int32)
如果直接調用這個出的不是我們想要的。我們想要的是tensor各個維度的大小。因此可以直接調用 int_shape(x) 函數。這個函數才是我們想要的。
>>> from keras import backend as K >>> input = K.placeholder(shape=(2, 4, 5)) >>> K.int_shape(input) (2, 4, 5) >>> val = np.array([[1, 2], [3, 4]]) >>> kvar = K.variable(value=val) >>> K.int_shape(kvar) (2, 2)
最后這樣我們就可以直接調用里面的大小。然后定義我們自己的keras 層了。
補充知識：獲取Tensor的維度（x.shape和x.get_shape()的區別）
tf.shape(a)和a.get_shape()比較
相同點：都可以得到tensor a的尺寸
不同點：tf.shape()中a 數據的類型可以是tensor, list, array
a.get_shape()中a的數據類型只能是tensor,且返回的是一個元組（tuple）
import tensorflow as tf import numpy as np x=tf.constant([[1,2,3],[4,5,6]]) y=[[1,2,3],[4,5,6]] z=np.arange(24).reshape([2,3,4]) sess=tf.Session() # tf.shape() x_shape=tf.shape(x) # x_shape 是一個tensor y_shape=tf.shape(y) # <tf.Tensor 'Shape_2:0' shape=(2,) dtype=int32> z_shape=tf.shape(z) # <tf.Tensor 'Shape_5:0' shape=(3,) dtype=int32> print(sess.run(x_shape)) # 結果:[2 3] print(sess.run(y_shape)) # 結果:[2 3] print(sess.run(z_shape) ) # 結果:[2 3 4] x_shape=x.get_shape() print(x_shape) # 返回的是TensorShape([Dimension(2), Dimension(3)]),不能使用 sess.run() 因為返回的不是tensor 或string,而是元組 (2, 3) x_shape=x.get_shape().as_list() print(x_shape) # 可以使用 as_list()得到具體的尺寸，x_shape=[2 3] 這是重點 返回列表方便參加其他代碼的運算 # y_shape=y.get_shape() print(x_shape)# AttributeError: 'list' object has no attribute 'get_shape' # z_shape=z.get_shape() print(x_shape)# AttributeError: 'numpy.ndarray' object has no attribute 'get_shape' 或者a.shape.as_list()
看完上述內容，是不是對在keras中如何實現獲取張量tensor的維度大小有進一步的了解，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。
