我想在输入张量的列上独立地提取并应用Conv2D
层,但是在添加代码之后:
accelerometer_input = Input(shape=(1400, 3))
for i in range(3):
out = Lambda(lambda x: x[:,:, i:i+1])(accelerometer_input) # Extracting the ith channel
out = K.expand_dims(out, axis=1)
out = Conv2D(64, (30, 1), data_format="channels_first")(out)
branch_outputs.append(out)
out_put = K.concatenate(branch_outputs)
它给了我标题中的错误。我认为这是由于Lambda
层或提取这是不可微的。你知道吗
但是没有它我怎么办?你知道吗
这是因为您直接将后端函数(即
K.expand_dims()
)应用于Keras张量(即out
),因此结果将是一个张量(而不是Keras张量)。实际上,Keras张量是张量的一个扩充版本,并且有额外的属性(例如_keras_history
),这有助于Keras建立模型。现在,要解决这个问题,您只需要将后端函数放在Lambda
层中,以输出Keras张量:同样的道理也适用于使用
K.concatenate()
。然而,在这种情况下,Keras中有一个特定的层:相关问题 更多 >
编程相关推荐