将单个通道的张量传递给Keras中的图层

Question

我想模拟相当于theano后端（它已经存在的TensorFlow后端）的一个SeparableConvolution2D图层。作为第一步我需要做的是从张量传递一个通道到下一层。所以说我有一个名为conv1的二维卷积图层，带有16个过滤器，它们生成一个形状为（batch_size，16，height，width）的输出。我需要选择形状为（：，0，：，：）的子扩展，并将其传递给下一层。够简单吧？

这是我的代码：

from keras import backend as K 

image_input = Input(batch_shape = (batch_size, 1, height, width), name = 'image_input') 

conv1 = Convolution2D(16, 3, 3, name='conv1', activation = 'relu')(image_input) 

conv2_input = K.reshape(conv1[:,0,:,:] , (batch_size, 1, height, width)) 

conv2 = Convolution2D(16, 3, 3, name='conv1', activation = 'relu')(conv2_input) 

此抛出：

Exception: You tried to call layer "conv1". This layer has no information about its expected input shape, and thus cannot be built. You can build it manually via: layer.build(batch_input_shape)

为什么该层没有所需的形状信息？我正在使用theano后端重塑。这是将个人频道传递到下一层的正确方法吗？

Answer 1

我问的keras用户群这个问题，我有一个答案：

https://groups.google.com/forum/#!topic/keras-users/bbQ5CbVXT1E

引用它：

您需要使用lambda层，如：LAMBDA （x：x [:, 0：1，：，]，output_shape = lambda x：（x [0]，1，x [2]，x [3]））

请注意，的可分卷积将是非常低效的。正确的解决方案是使用TensorFlow后端。