python - Keras 的 Expand_dims 函数导致张量丢失元数据

Question

我在使用 keras 的 Expand_dims 函数时遇到问题。这是一个简单的示例:

此代码有效:

import tensorflow as tf
from tensorflow.python.keras.layers import Input, Lambda
from tensorflow.python.keras.models import Model
from tensorflow.python.keras.backend import expand_dims

def add_fun(x):
  return tf.add(x[0], x[1])

in_1 = Input(shape=(None, None, 8))
in_2 = Input(shape=(None, 1, 1))

out = Lambda(add_fun)([in_1, in_2])

m = Model([in_1, in_2], out)

并且此代码不会:

import tensorflow as tf
from tensorflow.python.keras.layers import Input, Lambda
from tensorflow.python.keras.models import Model
from tensorflow.python.keras.backend import expand_dims

def add_fun(x):
  return tf.add(x[0], x[1])

in_1 = Input(shape=(None, None, 8))
in_2 = Input(shape=(None, 1))

problem_part = expand_dims(in_2, axis=1)

out = Lambda(add_fun)([in_1, problem_part])

m = Model([in_1, in_2], out)

如图here我相信我正确使用了 Expand_dims，但我不明白为什么它会导致问题。

Answer 1

问题是 expand_dims 不是 Keras 层。如果您将对 expand_dims 的调用放在 lambda 层内，那么它应该可以工作。