machine-learning - 从 Keras 中的 3 维张量收集 2 维张量列表

Question

我有一个名为 ma​​in_decoder 的 3-d 张量，形状为 (None,9,256)

我想提取 9 个形状为 (无，256)的张量

我尝试使用 Keras gather，以下是模式代码片段:

for i in range(0,9):
    sub_decoder_input = Lambda(lambda main_decoder:gather(main_decoder,(i)), name='lambda'+str(i))(main_decoder)

结果是 9 个形状为 (9,256)

的 lambda 层

如何修改它以便可以获得或收集形状为 (None,256) 的 9 个张量

谢谢。

Answer 1

您可以将 3D 张量分割为 9 个 2D 张量，并从 Lambda 层返回张量列表。

main_decoder = Input(shape=(9, 256))
sub_decoder_input = Lambda(lambda x: [x[:, i, :] for i in range(9)])(main_decoder)

print(sub_decoder_input)
[<tf.Tensor 'lambda_1/strided_slice:0' shape=(?, 256) dtype=float32>,
 <tf.Tensor 'lambda_1/strided_slice_1:0' shape=(?, 256) dtype=float32>,
 <tf.Tensor 'lambda_1/strided_slice_2:0' shape=(?, 256) dtype=float32>,
 <tf.Tensor 'lambda_1/strided_slice_3:0' shape=(?, 256) dtype=float32>,
 <tf.Tensor 'lambda_1/strided_slice_4:0' shape=(?, 256) dtype=float32>,
 <tf.Tensor 'lambda_1/strided_slice_5:0' shape=(?, 256) dtype=float32>,
 <tf.Tensor 'lambda_1/strided_slice_6:0' shape=(?, 256) dtype=float32>,
 <tf.Tensor 'lambda_1/strided_slice_7:0' shape=(?, 256) dtype=float32>,
 <tf.Tensor 'lambda_1/strided_slice_8:0' shape=(?, 256) dtype=float32>]