python-3.x - 如何选择keras密集层的前k个元素？

Question

我正在尝试执行 k-max pooling为了选择top-k具有形状的密集元素 (None, 30) .我试过 MaxPooling1D层，但它不起作用，因为 keras 池化层至少需要一个 2d 输入形状。我正在使用以下 Lambda层，但出现以下错误:

layer_1.shape
(None, 30)
layer_2 = Lambda(lambda x: tf.nn.top_k(x, k=int(int(x.shape[-1])/2),
                                                sorted=True, 
                                                name="Top_k_final"))(layer_1)

Error: File "/usr/local/lib/python3.5/dist-packages/keras/engine/base_layer.py", line 474, in call output_shape = self.compute_output_shape(input_shape) File "/usr/local/lib/python3.5/dist-packages/keras/layers/core.py", line 652, in compute_output_shape return K.int_shape(x) File "/usr/local/lib/python3.5/dist-packages/keras/backend/tensorflow_backend.py", line 591, in int_shape return tuple(x.get_shape().as_list()) AttributeError: 'TopKV2' object has no attribute 'get_shape'

Answer 1

基于 this example ，我解决了这个问题。事实上，我通过添加 .values 解决了这个问题。从 tf.nn.top_k 中获取张量值， 如下。但我不确定我的解决方案是否正确。

layer_2 = Lambda(lambda x: tf.nn.top_k(x, k=int(int(x.shape[-1])/2),
                                                sorted=True, 
                                                name="Top_k_final").values)(layer_1)