keras slice layer 层 实现
发布日期:2021-11-21 04:41:30 浏览次数:49 分类:技术文章

本文共 519 字,大约阅读时间需要 1 分钟。

注意的地方: keras中每层的输入输出的tensor是张量, 比如Tensor shape是(N, H, W, C), 对于tf后台, channels_last

Define a slice layer using Lamda layer

def slice(x, h1, h2, w1, w2):    """ Define a tensor slice function    """    return x[:, h1:h2, w1:w2, :]

定义完slice function之后,利用lambda layer添加到定义的网络中去

# Add slice layerslice_1 = Lambda(slice, arguments={'h1': 0, 'h2': 6, 'w1': 0, 'w2': 6})(sliced)# As for tensorfow backend, Lambda doesn't need output shape argumentslice_2 = Lambda(slice, arguments={'h1': 0, 'h2': 6, 'w1': 6, 'w2': 12})(sliced)

转载地址:https://blog.csdn.net/xiaojiajia007/article/details/73481450 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:keras 模型用于预测时的注意事项
下一篇:keras 自定义 loss损失函数, sample在loss上的加权 和 metric

发表评论

最新留言

哈哈,博客排版真的漂亮呢~
[***.90.31.176]2024年04月12日 12时43分21秒