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keras如何獲取某層的輸入/輸出tensor尺寸，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。
獲取單輸入尺寸，該層只被使用了一次。
import keras from keras.layers import Input, LSTM, Dense, Conv2D from keras.models import Model a = Input(shape=(32, 32, 3)) b = Input(shape=(64, 64, 3)) conv = Conv2D(16, (3, 3), padding='same') conved_a = conv(a) # 到目前為止只有一個輸入，以下可行： assert conv.input_shape == (None, 32, 32, 3)
如果該層被使用了兩次
import keras from keras.layers import Input, LSTM, Dense, Conv2D from keras.models import Model a = Input(shape=(32, 32, 3)) b = Input(shape=(64, 64, 3)) conv = Conv2D(16, (3, 3), padding='same') conved_a = conv(a) # 到目前為止只有一個輸入，以下可行： assert conv.input_shape == (None, 32, 32, 3) conved_b = conv(b) # 現在 `.input_shape` 屬性不可行，但是這樣可以： assert conv.get_input_shape_at(0) == (None, 32, 32, 3) assert conv.get_input_shape_at(1) == (None, 64, 64, 3)
如果是輸出，只需要改成output就好：
import keras from keras.layers import Input, LSTM, Dense, Conv2D from keras.models import Model a = Input(shape=(32, 32, 3)) b = Input(shape=(64, 64, 3)) conv = Conv2D(16, (3, 3), padding='same') conved_a = conv(a) # 到目前為止只有一個輸入，以下可行： assert conv.input_shape == (None, 32, 32, 3) conved_b = conv(b) # 就改了output，當然尺寸我也改了 assert conv.get_output_shape_at(0) == (None, 32, 32, 16) assert conv.get_output_shape_at(1) == (None, 64, 64, 16)
補充知識：keras中獲取shape的正確方法
在keras的網絡中，如果用layer_name.shape的方式獲取shape信息將會返還tensorflow.python.framework.tensor_shape.TensorShape其中包含的是tensorflow.python.framework.tensor_shape.Dimension
正確的方式是使用
import keras.backend as K
K.int_shape(laye_name)
看完上述內容，是不是對keras如何獲取某層的輸入/輸出tensor尺寸有進一步的了解，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。
