在keras 中获取张量 tensor 的维度大小实例
在进行keras 网络计算时,有时候需要获取输入张量的维度来定义自己的层。但是由于keras是一个封闭的接口。因此在调用由于是张量不能直接用numpy 里的A.shape()。这样的形式来获取。这里需要调用一下keras 作为后端的方式来获取。当我们想要操作时第一时间就想到直接用 shape ()函数。其实keras 中真的有shape()这个函数。
shape(x)返回一个张量的符号shape,符号shape的意思是返回值本身也是一个tensor,
示例:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | >>> 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) |
如果直接调用这个出的不是我们想要的。我们想要的是tensor各个维度的大小。因此可以直接调用 int_shape(x) 函数。这个函数才是我们想要的。
1 2 3 4 5 6 7 8 | >>> 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 ) |
最后这样我们就可以直接调用里面的大小。然后定义我们自己的keras 层了。
补充知识:获取Tensor的维度(x.shape和x.get_shape()的区别)
tf.shape(a)和a.get_shape()比较
相同点:都可以得到tensor a的尺寸
不同点:tf.shape()中a 数据的类型可以是tensor, list, array
a.get_shape()中a的数据类型只能是tensor,且返回的是一个元组(tuple)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 | 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 是一个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)) # 结果:[2 3] print (sess.run(y_shape)) # 结果:[2 3] print (sess.run(z_shape) ) # 结果:[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() 因为返回的不是tensor 或string,而是元组 (2, 3) x_shape = x.get_shape().as_list() print (x_shape) # 可以使用 as_list()得到具体的尺寸,x_shape=[2 3] 这是重点 返回列表方便参加其他代码的运算 # 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() |
以上这篇在keras 中获取张量 tensor 的维度大小实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
微信公众号搜索 “ 脚本之家 ” ,选择关注
程序猿的那些事、送书等活动等着你
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若内容造成侵权/违法违规/事实不符,请将相关资料发送至 reterry123@163.com 进行投诉反馈,一经查实,立即处理!
最新评论