临时合并Keras中的batch维度

Question

我有一个 Keras 模型，输入形状为 [None, 500, 500, 3]，输出形状为 [None, 1]。现在，我想制作一个包装器模型，其输入形状为 [None, 48, 500, 500, 3]，输出形状为 [None, 48]。

要做到这一点，最简单的方法是在第二个轴上迭代 48 次并应用第一个模型，然后使用 Keras 的 Concatenate 层来获得所需的形状。

model_outputs = []
for i in range(inputs.shape[1]):
    im_block = inputs[:, i]
    model_outputs += [self.model(im_block)]
return Concatenate()(model_outputs)

然而，这使得图表变得相当复杂。所以我想改为执行以下操作：

        [None, 48, 500, 500, 3]
     -> [None*48,  500, 500, 3]
           (apply the model)
     -> [None*48,  1]
     -> [None, 48, 1]

我的尝试是

outputs = tf.reshape(inputs, (inputs[0] * inputs[1], *inputs[2:]))
outputs = self.model(outputs)
outputs = tf.reshape(outputs, (inputs[0], inputs[1]))
return outputs

但这给了我

TypeError: Cannot iterate over a tensor with unknown first dimension.

有办法吗？

Answer 1

这应该有效：

inp = tf.reshape(inp, (-1, 500, 500, 3))
res = model(inp)
res = tf.reshape(res, (-1, 48))

临时合并Keras中的batch维度

Temporarily merge the batch dimension in Keras

python

reshape

keras

tensorflow