主页 / coding / 问题 / 77691855
Accepted
matt
Asked: 2023-12-20 21:11:44 +0800 CST

对于大小未知的 keras 层，是否可以知道特定输入的输出大小？

  • 772

我们可以创建一个具有可变大小输入的卷积神经网络

ip = keras.layers.Input((None, None, 3))
op = keras.layers.Conv2D(3, (2, 2))(ip)

model=keras.models.Model(inputs = [ip], outputs = [op])

有没有办法知道特定输入的输出层操作的大小？

我知道有一个公式可以计算这个简单示例的大小。有没有办法让模型为我计算尺寸？

我可以做到的一种方法是运行一些示例数据。

x = numpy.random.random((1, 64, 64, 3))
y = model(x)

现在我可以看到它们的形状 1, 64, 64, 3 和 1, 63, 63, 3。

我的目标是能够使用不同的 cnn 网络，但我不知道如何计算一般大小，例如 Resnet101。我的输出有不同的缩放值，并且我希望能够在训练期间缩放我的地面实况数据。

我可以仅从模型和输入数据获取输出大小，而无需运行样本吗？

python

3 个回答

  1. Best Answer

    更新：正如@matt提到的，只需model用 new调用Input就足够了。无需为不同的输入创建新模型。然而，在这种情况下，需要保持各自的尺寸未指定。所以这不起作用：

    import keras_core as keras

ip = keras.layers.Input((10, 10, 3))
op = keras.layers.Conv2D(3, (5, 5))(ip)
model = keras.models.Model(inputs = [ip], outputs = [op])

model(keras.layers.Input((100, 100, 3)))

    虽然这确实：

    import keras_core as keras

ip = keras.layers.Input((None, None, 3))
op = keras.layers.Conv2D(3, (5, 5))(ip)
model = keras.models.Model(inputs = [ip], outputs = [op])

model(keras.layers.Input((100, 100, 3)))

    如果您仍然想要固定但不同的输入，则必须按照我下面建议的方式实现一些内容：

    当你使用keras.layers.Input((100, 100, 3))它时，它实际上创建了一个KerasTensor对象，它似乎是一个惰性/未初始化的张量对象。通过 递归地将其传递到其他层__call__，实际上修改了输出形状（不计算任何触发器）：

    import keras_core as keras

ip = keras.layers.Input((100, 100, 3))
op = keras.layers.Conv2D(3, (5, 5))(ip)

print(op)

model = keras.models.Model(inputs = [ip], outputs = [op])

    印刷：

    <KerasTensor shape=(None, 96, 96, 3), dtype=float32, sparse=False, name=keras_tensor_39>

    也可以通过 获得相同的对象model.output。我想这里的解决方案是稍微重构您的代码并定义一个函数，该函数为给定的不同输入创建模型，大致如下：

    import keras_core as keras

def create_model(ip):
    op = keras.layers.Conv2D(3, (5, 5))(ip)
    return keras.models.Model(inputs = [ip], outputs = [op])

model_1 = create_model(keras.layers.Input((10, 10, 3)))
model_2 = create_model(keras.layers.Input((100, 100, 3)))

print(model_1.output)
print(model_2.output)

    哪个打印：

    [<KerasTensor shape=(None, 6, 6, 3), dtype=float32, sparse=False, name=keras_tensor_54>]
[<KerasTensor shape=(None, 96, 96, 3), dtype=float32, sparse=False, name=keras_tensor_56>]

    我希望这有帮助。

    • 0

  2. 根据特定输入获取大小。

    inp = keras.layers.Input((64, 64, 3))
y = model(inp)

print(y)

    现在输出是具有特定形状的定义张量，我认为在这种情况下它实际上并没有运行模型。

    • 0

  3. 总的来说，有一个著名的公式：

    输出大小 = ((图像大小 - 内核大小)/(步幅大小)) + 1

    当然，当考虑 padding = "same" 时，事情会变得有点复杂：

    输出大小 = ((图像大小 - 内核大小 + 2 * 填充大小)/(步幅大小)) + 1

    在哪里

    填充大小 = (内核大小 - 1) / 2

    使用后一个公式时请小心。有时它可能会让你失望。

    • -1

相关问题